Aplicações de Sequenciação de Longa Leitura na Análise de Genomas Complexos

Introdução: Por que a Sequenciação de Longas Leituras é Importante para Genomas Complexos

Na genómica, a complexidade gera ambiguidade. Muitos genomas de referência continuam fragmentados ou mal montados em regiões repetitivas ou ricas em GC—locais onde o sequenciamento de leituras curtas falha rotineiramente. Hoje em dia tecnologias de sequenciação de leitura longa oferecer um caminho para resolver estes pontos cegos, permitindo uma visão direta sobre a variação estrutural, haplótipos em fase e transcrições completas que anteriormente estavam fora de alcance.

Leituras longas (de dezenas a centenas de quilobases) oferecem várias vantagens críticas em relação aos métodos de leituras curtas. Elas abrangem elementos repetitivos e grandes inserções ou deleções em um único segmento contíguo, reduzindo a ambiguidade na alinhamento e montagem (Amarasinghe et al., 2020). Além disso, simplificam a chamada de variantes em loci genómicos complexos, uma vez que menos quebras na continuidade das leituras significam menos divisões falsas ou junções incorretas. Como resultado, projetos que visam detectar variantes estruturais ou fasear alelos podem frequentemente obter uma sensibilidade e especificidade muito maiores usando leituras longas.

Em contextos de investigação não clínica—como a genómica funcional, estudos evolutivos ou descoberta de alvos na biopharma—o sequenciamento de long-read deixou de ser uma ferramenta de nicho. Está a tornar-se essencial para caracterizar plenamente a arquitetura do genoma, especialmente em organismos com genomas grandes ou poliploides. As novas químicas e desenvolvimentos em bioinformática elevaram a precisão base, o rendimento e o custo a níveis competitivos (Wohlers et al., 2023). Neste ponto de viragem, os investigadores que planeiam análises complexas do genoma devem perguntar: quando é que os long reads são a escolha certa e como podem oferecer a resolução que os short reads não conseguem?

Para leitores novos em métodos de genoma amplo, podem rever os fundamentos em O que é o sequenciamento do genoma completo??, que explica como a cobertura do genoma completo permite a descoberta abrangente de variantes.

Comparação de Plataformas: PacBio HiFi vs Oxford Nanopore

Para escolher a estratégia de sequenciação de long-read adequada, é necessário comparar as principais plataformas—PacBio HiFi e Oxford Nanopore (ONT)—em termos de precisão, comprimento de leitura, taxa de transferência e utilidade prática. Abaixo está uma comparação equilibrada fundamentada em literatura revisada por pares e referências técnicas.

2.1 Princípios de Sequenciação e Perfis de Erro

PacBio HiFi (SMRT + Sequenciação de Consenso Circular):

A PacBio gera múltiplas passagens em torno de um fragmento de DNA circularizado (SMRTbell), formando então uma leitura de consenso ("HiFi") de muito alta precisão (frequentemente >99 % por base).

Os erros tendem a ser estocásticos (substituições aleatórias, indels), que a chamada de consenso pode suprimir em grande parte.

Oxford Nanopore (Deteção de Corrente por Nanopore)

Sequências ONT através da passagem de uma cadeia de ácido nucleico por um nanoporo e medindo alterações na corrente iónica para inferir as bases.

Os seus erros são mais sistemáticos, especialmente em sequências homopoliméricas ou em desvios de corrente complexos. No entanto, a química da ONT e os algoritmos de chamada de bases melhoraram dramaticamente nos últimos anos, reduzindo significativamente as taxas de erro.

2.2 Comprimento da Leitura, Vazão e Contiguidade

Comprimento da leitura:

A ONT pode frequentemente fornecer leituras ultra-longas, às vezes ultrapassando 1 Mb em condições ótimas.

As leituras HiFi da PacBio normalmente variam entre ≈ 10–25 kb, equilibrando comprimento e precisão.

Rendimento e contiguidade:

Num estudo comparativo utilizando um genoma de arroz, as leituras ultra-longas da ONT produziram uma montagem mais contígua (18 contigs, 10 a nível de cromossoma) em comparação com as leituras HiFi da PacBio (394 contigs, 3 a nível de cromossoma).

No entanto, as montagens HiFi da PacBio mostram consistentemente taxas de erro a nível de base mais baixas e menos pequenas inserções e deleções ou bases mal chamadas do que as montagens da ONT.

Compensação:

A força da ONT em unir repetições muito longas ajuda a reduzir a fragmentação e a resolver a complexidade estrutural, enquanto a força da PacBio reside em montagens mais limpas e precisas, com menos etapas de correção subsequentes.

2.3 Precisão e Chamada de Variantes

A alta fidelidade por base do PacBio HiFi torna-o bem adequado para a deteção de variantes pequenas, chamada precisa de limites de variantes estruturais e faseamento confiável.

ONT, apesar da menor precisão inerente, beneficia da correção de erros algorítmica (por exemplo, polimento, chamadores de base neuronais) e de uma química melhorada para alcançar uma precisão competitiva em muitos contextos.

Para aplicações onde a precisão dos pontos de interrupção é importante (por exemplo, mapeamento de variantes estruturais), a maior confiança do HiFi pode reduzir os falsos positivos e as fronteiras ambíguas.

2.4 Considerações Práticas e Casos de Uso

Latência / Sequenciação em tempo real:

A ONT oferece dados de streaming em tempo real, o que é vantajoso em contextos que necessitam de feedback imediato, como experimentos de campo ou decisões de amostragem dinâmicas.

Custo do instrumento e escalabilidade:

As plataformas da ONT têm um custo de entrada mais baixo e uma escala mais modular (por exemplo, MinION ou PromethION) em comparação com os sistemas da PacBio.

Complexidade da preparação da biblioteca:

A preparação de bibliotecas da PacBio, especialmente para HiFi, é mais exigente em termos de qualidade do DNA e restrições de tamanho. A ONT é mais tolerante a fragmentos mais longos e modificações de DNA/RNA nativo.

Transcriptómica e sequenciação de RNA:

Estudos comparativos (consórcio LRGASP, Pardo-Palacios et al. 2023) mostram que o PacBio Iso-Seq frequentemente recupera mais isoformas completas e mais genes a menores profundidades de leitura em comparação com os dados da ONT.

A ONT tem pontos fortes em rendimento e flexibilidade para sequenciação de RNA, mas por vezes sofre mais de truncamento 5′/3′ e leituras monoexónicas artefactuals.

Recomendar leitura

PacBio vs Oxford Nanopore: Qual Tecnologia de Sequenciação de Longas Leituras é a Mais Adequada para a Sua Pesquisa

Figura 1: Contiguidade das montagens ONT e PacBio.

Deteção de Variantes Estruturais

As variantes estruturais (SVs)—inserções, deleções, inversões, duplicações, translocações e rearranjos complexos (≥ 50 bp)—são algumas das formas mais consequentes de variação genómica. O sequenciamento de leituras longas abre uma janela para estes eventos que leituras curtas frequentemente perdem. Abaixo, descrevo como as leituras longas melhoram a deteção de SVs, as estratégias algorítmicas utilizadas, considerações práticas e exemplos reais que ilustram o poder (e as armadilhas) desta abordagem.

3.1 Por que a deteção de variantes estruturais beneficia de leituras longas

Abranger pontos de interrupção completos e contexto adjacente.

Porque leituras longas podem abranger todo o locus da variante e as suas sequências únicas adjacentes, permitem o alinhamento direto através de junções de inserção ou deleção — mesmo em regiões repetitivas. Isto melhora significativamente a resolução de pontos de quebra e reduz chamadas ambíguas.

Resolver eventos complexos.

Leituras longas podem capturar SVs aninhados ou compostos (por exemplo, inserção + inversão, translocações adjacentes a duplicações) numa única molécula. Leituras curtas, fragmentadas ao longo das fronteiras, tendem a fragmentar ou a perder estes eventos completamente.

Detetar inserções de sequências novas.

Sequências inseridas ausentes do genoma de referência são problemáticas para leituras curtas. Leituras longas podem transportar inserções novas de ponta a ponta, permitindo a descoberta baseada em alinhamento de sequências anteriormente não mapeadas.

Melhor em regiões repetitivas ou de baixa complexidade.

Muitos SVs ocorrem em duplicações segmentares, repetições em tandem ou tratos de baixa complexidade. Ao fazer a ponte entre repetições, leituras longas reduzem o mapeamento ambíguo e a má atribuição de sinais de variantes.

Essas forças foram confirmadas em estudos de benchmarking e empíricos: estratégias de leitura longa revelam milhares de SVs que foram perdidos por abordagens de leitura curta (Dierckxsens et al., 2021).

Figura 2: Estratégias de variantes estruturais baseadas em três HiFi

3.2 Estratégias algorítmicas: Chamadas de SV baseadas em leitura vs baseadas em montagem

Existem duas abordagens computacionais amplas para derivar SVs a partir de dados de leitura longa: baseado na leitura e baseado em montagemCada um tem pontos fortes e desvantagens (Lin et al., 2023).

Principais observações a partir dos benchmarks:

• Até ~80 % dos SVs são concordantes entre estratégias baseadas em leituras e em montagem em conjuntos de dados humanos padrão, especialmente inserções/deleções em zonas não repetitivas.
• A discordância frequentemente surge em inversões ou rearranjos muito grandes em locos complexos, onde a ambiguidade de alinhamento ou as junções erradas de contigs diferem entre as abordagens.
• As estratégias baseadas em leitura alcançam uma recuperação razoável (≈ 77 %) com uma cobertura baixa (5×), enquanto os métodos baseados em montagem necessitam de ~20× ou mais para atingir uma sensibilidade semelhante.
• Muitas pipelines de ferramentas agora "fundem" chamadas de métodos baseados em leitura e montagem para maximizar a sensibilidade e a precisão.

Assim, um pipeline integrativo que utiliza ambas as estratégias (especialmente em projetos de genoma complexo de alto valor) frequentemente produz o conjunto de chamadas de SV mais abrangente.

Para decidir se o seu projeto de variantes estruturais requer cobertura de genoma completo ou direcionada, consulte o nosso artigo de comparação. Sequenciação do Genoma Completo vs Sequenciação Alvo: Qual Deveria Escolher?.

3.3 Chamadores de SV de long-read frequentemente utilizados e avanços recentes

Nos últimos dez anos, surgiram muitos chamadores de SV de leitura longa, utilizando várias heurísticas ou melhorias de aprendizagem automática (Ahsan et al., 2023). Método da Naturezas) . Alguns dos mais utilizados incluem:

• Sniffles / Sniffles2 – Uma ferramenta robusta baseada em leitura que detecta assinaturas de alinhamento de leitura dividida e suplementar, amplamente utilizada como referência.
• cuteSV – Enfatiza o agrupamento de sinais de assinatura e o refinamento de pontos de quebra.
• SVIM – Coletor modular de sinais intra-leitura e inter-leitura para múltiplos tipos de SV.
• pbsv – A ferramenta nativa de deteção de SV da PacBio otimizada para conjuntos de dados HiFi.
• PAV, SVIM-ASM – Chamadores baseados em montagem que analisam alinhamentos de contig-referência para identificar diferenças estruturais.

Avanços recentes incluem a integração de aprendizagem profunda para reduzir falsos positivos e modelar melhor sinais complexos:

• SVHunter (baseado em transformadores) demonstrou taxas de falsos positivos reduzidas em várias plataformas ao modelar padrões de alinhamento global.
• cnnLSV codifica bairros de alinhamento em imagens, utiliza CNNs para filtrar e refinar chamadas de SV, e demonstrou uma melhoria de desempenho em vários tipos de SV.
• As melhorias de alinhamento, por exemplo, o HQAlign para dados de nanopore, aumentam a precisão dos pontos de quebra ao modelar os desvios de erro do nível de corrente do nanopore (Joshi et al.).

Ao projetar um pipeline, pode-se combinar várias ferramentas e, em seguida, realizar filtragem, fusão de consenso ou validação para aumentar a precisão.

3.4 Melhores práticas e considerações práticas

Para implementar a deteção de SV de forma robusta em projetos reais, tenha em mente o seguinte:

Compromisso entre cobertura e comprimento de leitura

A comparação sugere que uma cobertura de ~20× com um comprimento médio de leitura de ~20 kb e uma taxa de erro ≤1 % proporciona um bom desempenho para muitos chamadores de SV.

Além disso, os ganhos em recall estabilizam enquanto o custo continua a aumentar.

A escolha do alinhador é importante.

Ferramentas como minimap2, ngmlr e lra mostram diferentes sensibilidades. Desalinhamentos/desajustes podem gerar assinaturas de SV espúrias (Lin et al. 2023).

Alinhadores especializados como o HQAlign ajudam a mitigar modos de erro específicos de nanoporo (Joshi et al.).

Regiões de baixa complexidade / repetitivas continuam a ser um desafio.

Trabalhos recentes mostram que, embora as regiões de baixa complexidade representem cerca de 1-2 % do genoma, elas contêm uma fração desproporcional de erros de SV—77-91 % dos erros ocorrem nessas regiões.

Falsos positivos e filtragem

Dados de alta profundidade e múltiplas saídas de ferramentas tendem a aumentar as chamadas de falsos positivos. A fusão, o consenso entre ferramentas, a validação a nível de leitura e a curadoria manual ajudam a mitigar isso.

Validação e confirmação ortogonal

Sempre que possível, confirme variantes estruturais chave (especialmente as novas ou de alto impacto) utilizando métodos ortogonais—PCR, mapeamento óptico ou sequenciação ultra-longa direcionada.

3.5 Exemplo de Caso de Uso: Rearranjos do Genoma do Cancro

Um exemplo convincente vem da aplicação de sequenciação de leituras longas a genomas de cancro, onde as variações estruturais podem impulsionar a oncogénese através de fusões, rearranjos complexos ou alterações no número de cópias.

Num estudo, a sequenciação de long-read revelou múltiplos eventos de cromotripe e translocações compostas em amostras tumorais que foram fragmentadas ou mal interpretadas em dados de short-read.revisto em "Aplicação de sequenciação de long-read à deteção de variantes estruturais").

Numa outra aplicação, a combinação da chamada de SV com leituras longas em fase permitiu a reconstrução de rearranjos específicos de alelos, o que ajudou a desvendar eventos de condutor versus passageiro em amostras tumorais heterogéneas.

Esses sucessos do mundo real destacam como a deteção de SV de leitura longa proporciona insights biológicos em vez de apenas catálogos de variantes.

Faseamento de Haplótipos e Análise Específica de Alelos

A faseamento—atribuição de variantes à sua cópia cromossómica parental—é vital para interpretar os efeitos genéticos cis versus trans. O sequenciamento de long reads permite um faseamento mais direto e prolongado do que os short reads, e desbloqueia análises específicas de alelos de expressão, metilação ou interações de variantes. Abaixo, descrevo como os long reads melhoram o faseamento, estratégias algorítmicas, armadilhas a evitar e exemplos reais que demonstram o impacto na investigação.

4.1 Porque a fase é importante: distinção cis/trans e regulação específica de alelos

Interpretação cis vs trans

Muitas questões funcionais dependem de saber se duas variantes estão no mesmo cromossoma (cis) ou em cromossomas opostos (trans). Por exemplo, duas variantes regulatórias em cis podem sinergizar, enquanto em trans os seus efeitos podem cancelar-se ou interagir de forma diferente.

Expressão e regulação específicas de alelos (ASE)

Fasear leituras de RNA a haplótipos permite a quantificação da expressão ou splicing específico de alelos. Isto é crítico para entender a impressão, tamanhos de efeito de variantes regulatórias ou desequilíbrio alélico em resposta ao tratamento.

Heterozigotia composta e efeitos de dosagem

Em contextos de investigação que exploram combinações de variantes, a fase ajuda a determinar se alelos prejudiciais ocorrem no mesmo haplótipo ou em haplótipos diferentes—uma nuance com implicações para a modelagem funcional.

Resolução da metilação específica de alelos e estados epigenéticos

Novos métodos (por exemplo, MethPhaser) utilizam padrões de metilação em leituras longas para estender blocos de fase além de SNVs, integrando o estado epigenético na resolução de haplótipos (Fu et al., 2024). Desculpe, não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, forneça-o e eu farei a tradução.).

Assim, a fase robusta proporciona uma camada mais profunda de compreensão em relação apenas aos catálogos de variantes.

4.2 Estratégias de fase com leituras longas: abordagens baseadas em leitura, baseadas em montagem e híbridas

Semelhante à chamada de SV, a fase com leituras longas utiliza múltiplas estratégias computacionais. Abaixo está uma comparação das abordagens típicas e os seus compromissos:

A avaliação sugere que leituras longas com uma cobertura de ~25–30× permitem a fase de >95 % dos SNVs heterozigóticos em blocos longos (Zhao et al., 2025. doi: 10.1093/nar/gkaf247) (para sequenciação em massa). A integração com dados parentais ou de pedigree reduz ainda mais os erros de troca.

Além disso, na sequenciação de células únicas ou gametas de ponta, leituras longas permitem a faseamento em toda a extensão dos cromossomas tanto para SNVs como para variantes estruturais. Por exemplo, Xie et al. (2023) alcançaram uma precisão de ~98,6 % para o faseamento de SVs em genomas de esperma utilizando sequenciação de leituras longas (doi: 10.1093/nar/gkad532).

4.3 Armadilhas comuns e considerações na faseamento de haplótipos

Embora as leituras longas ofereçam poderosas capacidades de faseamento, várias advertências devem ser reconhecidas:

Erros de fase induzidos por erro

Taxas de erro elevadas (especialmente em quimicas de ONT mais antigas) podem introduzir alelos incorretos, levando a erros de troca ou inversão. Reduzir o erro na chamada de bases e o polimento ajuda a mitigar isso.

Artefatos de quimera de PCR em abordagens baseadas em amplicões

Estratégias baseadas em amplificação podem gerar leituras quiméricas, que enganam o emparelhamento. Laver et al. (2016) demonstraram haplótipos espúrios ao emparelhar variantes espaçadas remotamente devido a quimeras (DOI:10.1038/srep21746).

A heterozigosidade esparsa quebra blocos

Regiões com baixa densidade de variantes (como longos tratos homozigóticos) podem interromper o emparelhamento, a menos que sejam ligadas por leituras ultra-longas ou dados suplementares (por exemplo, Hi-C).

Viés de alinhamento e viés de alelo de referência

As leituras podem alinhar-se preferencialmente a alelos de referência em contextos ambíguos, especialmente perto de indels ou repetições. Isso pode distorcer as atribuições de fase.

Errores de comutação em métodos baseados em MEC

Alguns algoritmos de montagem de haplótipos dependem de modelos de Correção de Erro Mínimo (MEC). Para dados de leitura longa ruidosos, o ótimo MEC pode não corresponder a haplótipos verdadeiros; estudos de simulação mostraram haplótipos erróneos em coberturas mais baixas (Majidian et al., 2018).

As estratégias de mitigação incluem:

• Usando a fase de dupla estratégia (leitura + montagem)
• Filtragem de chamadas de variantes de baixa confiança
• Correção de mudança pós-hoc
• Incorporando dados de ligação ortogonal (por exemplo, Hi-C, Strand-seq)

4.4 Casos de uso de investigação: implementação gradual da genómica populacional e estudos regulatórios

Faseamento de SVs e SNVs a partir de espermatozoides únicos

Xie et al. aplicaram sequenciação de leituras longas a espermatozoides únicos, resolvendo haplótipos em escala cromossómica e determinando a fase de variantes estruturais com uma precisão de ~98,6 % (DOI:10.1093/nar/gkad532). Este método permite a determinação direta da fase sem dados parentais e fornece um modelo para estudos da linha germinativa.

Haplotipagem concorrente e chamada de variantes em células únicas

Zhao et al. utilizaram sequenciação de genoma completo com leituras longas em células únicas para identificar SNVs, indels, SVs e variantes de fase simultaneamente. Eles alcançaram uma precisão de fase de 92–98 % em grande escala (Zhao et al., 2025. oi: 10.1093/nar/gkaf247).

Extensão de blocos de fase assistida por metilação

Fu et al. integraram o sinal de metilação na fase ONT através do MethPhaser, aumentando o comprimento do bloco de fase (N50) em 78-151 % e estendendo a fase em regiões de baixa variabilidade (Fu et al., 2024).

Em todos estes casos, os investigadores passaram de catálogos de variantes para um contexto específico de alelos, que orienta a interpretação da variação regulatória, das diferenças epigenómicas e dos efeitos cis.

Transcrição Completa e Análise de Isoformas

A sequenciação de leitura longa transformou a transcriptómica ao permitir a sequenciação direta de moléculas de RNA intactas de ponta a ponta. Esta capacidade desbloqueia uma descoberta de isoformas mais precisa, quantificação e uma visão sobre a diversidade de transcritos que leituras curtas raramente conseguem alcançar. Abaixo, explico como funciona a sequenciação de transcritos de comprimento completo, estratégias e armadilhas, e aplicações do mundo real que demonstram o seu valor na investigação.

5.1 Por que a sequenciação de transcritos completos é importante

Evita a ambiguidade de montagem

Os dados de RNA de leitura curta devem ser computacionalmente unidos (montados) em transcritos, o que muitas vezes leva a atribuições incorretas entre isoformas que partilham exões. Leituras longas podem cobrir formas de splicing inteiras, eliminando essa ambiguidade (Santucci et al., 2024. DOI:10.1093/bfgp/elae031).

Descobre isoformas novas e complexas

Leituras longas identificam variantes de splicing previamente não anotadas, retenção de intrões, utilização de promotores alternativos e transcritos de fusão de forma mais fiável (benchmarking do Nature Methods).

Quantificação de isoformas melhorada

Como são observadas moléculas de transcrito inteiras, a atribuição de leituras a isoformas torna-se mais precisa. Ferramentas como o LIQA ponderam cada leitura pela qualidade e comprimento para melhorar as estimativas de abundância. (Hu et al., 2021).

Suporta a expressão e o splicing de transcritos específicos de alelos.

Quando combinados com dados de fase, leituras de comprimento total podem ligar a variação de splicing a haplótipos, revelando a regulação de isoformas específica de alelos.

5.2 Estratégias e escolhas de ferramentas: fluxo de trabalho e desafios

Opções de preparação de biblioteca e protocolo

• cDNA vs RNA direto

Muitos fluxos de trabalho convertem RNA → cDNA e amplificam, o que aumenta a capacidade de processamento, mas pode introduzir viés ou truncamento. A sequenciação direta de RNA (por exemplo, ONT) evita artefatos de transcrição reversa e pode preservar modificações de RNA, mas resulta em menor capacidade de processamento e mais viés 3′.

• Seleção de comprimento total e fracionamento por tamanho

A seleção de transcritos de comprimento completo (por exemplo, através de seleção de Cap ou estratégias de cauda poli(A)) ajuda a maximizar a recuperação de isoformas completas enquanto minimiza fragmentos.

Estratégias de pipeline computacional e ferramentas

• Alinhamento de leituras e mapeamento ciente de splicing

Os alinhadores como o minimap2, deSALT ou FLAMES são ajustados para alinhamento de leituras longas com splicing. A deteção precisa de junções de splicing é crucial para a identificação de isoformas.

• Agrupamento e colapso de isoformas

Muitas leituras representam a mesma isoforma. Ferramentas de agrupamento (colapso) como o pipeline Iso-Seq (ICE/CCS/Polish da PacBio), IsoQuant ou FLAMES agrupam leituras em modelos de transcritos (IsoQuant é uma opção mais recente).

• Quantificação de transcritos e correção de viés

Ferramentas como o LIQA atribuem pesos às leituras, tendo em conta os erros e os vieses de truncamento. Alguns métodos adotam algoritmos EM para refinar as contagens de isoformas (por exemplo, o LIQA).

• Validação e filtragem de artefatos

Isoformas espúrias podem surgir de desalinhamento, troca de molde ou leituras parciais. Filtragem rigorosa e verificações de consistência entre amostras ajudam a validar isoformas genuínas.

• Benchmarking e chamada de consenso

O consórcio LRGASP / LR-RNA-Seq avaliou dezenas de métodos, constatando que a precisão depende do equilíbrio entre o comprimento da leitura, a taxa de erro e a cobertura. (LRGASP, 2024).

5.3 Armadilhas e considerações práticas

Leitura de truncamento / viés 5′ ou 3′

Algumas leituras podem ser truncadas (especialmente na RNA direta da ONT), distorcendo as contagens de isoformas em direção a transcritos mais curtos ou parciais. A avaliação mostra que as abordagens de cDNA amplificado por PCR e IsoSeq tendem a fornecer uma cobertura mais uniforme ao longo do comprimento do transcrito.

Chamadas erradas de splicing induzidas por erros

Erros de sequência perto dos junctions de splicing podem levar a falsos novos locais de splicing. O polimento e a agrupamento de consenso ajudam a mitigar isso.

Transcritos de baixa expressão e ruído

Isoformas raras podem ser representadas por poucos reads, tornando-as vulneráveis a falsos positivos. Dados replicados e filtros de consistência são importantes.

Locais complexos com isoformas sobrepostas

Genes com muitas variantes de splicing ou transcritos aninhados continuam a ser um desafio, especialmente em espécies sem uma anotação de referência de alta qualidade.

Viés de referência na descoberta de novos produtos

Ao utilizar um modelo guiado por referência, isoformas verdadeiramente novas que estão ausentes da anotação podem ser perdidas ou mal alinhadas. As dependências para a descoberta de isoformas de novo variam entre as ferramentas (resultados do LRGASP).

5.4 Exemplos de aplicações: diversidade de isoformas e insights regulatórios

diversidade do transcriptoma da LMA

Na leucemia mieloide aguda, Shi et al. utilizaram sequenciação de long-read para descobrir mais de 119.000 transcritos anteriormente não anotados. Perfis a nível de isoforma definiram subtipos moleculares e revelaram diversidade de RNA regulatório (Shi et al. 2025. DOI:10.1016/j.xcrm.2025.101057).

Mapeamento de eQTL a nível de isoforma (ieQTL)

Um estudo sobre 67 linhas de células B aplicou sequenciação de RNA de comprimento total da Oxford Nanopore para detectar QTLs específicos de isoforma (ieQTLs) em um contexto populacional. Muitos ieQTLs tinham sido perdidos por abordagens de leitura curta.

Protocolos de transcrição de benchmarking

O projeto SG-NEx avaliou múltiplos protocolos de RNA de leitura longa em linhas celulares humanas e demonstrou que os dados de leitura longa identificam de forma mais robusta os principais isoformas e detetam fusões ou transcritos novos do que os métodos de leitura curta.

Estes exemplos sublinham como o sequenciamento de transcritos completos aprofunda a compreensão da complexidade da transcrição, da regulação do splicing alternativo e da descoberta de isoformas funcionais na biologia de sistemas e P&D.

Para investigadores que exploram a quantificação de transcritos e a otimização da cobertura, o nosso guia Sequenciação Profunda: Quando a Profundidade Igual a Descoberta discute como a profundidade de sequenciação influencia a deteção de isoformas raras.

Quando Usar Sequenciação de Longa Leitura

Decidir quando investir em sequenciação de leitura longa é tão crucial quanto entender como para o utilizar. Nesta secção, forneço diretrizes e critérios de decisão para ajudar os investigadores—como em CROs, P&D farmacêutico ou laboratórios académicos— a avaliar se leituras longas são a ferramenta certa para os objetivos do seu projeto.

6.1 Critérios chave de decisão: objetivos do projeto, complexidade do genoma e tipos de variantes

Ao avaliar a adequação, considere estes fatores principais:

Tipos de variantes alvo e requisitos de resolução

Se o seu estudo visa detectar variantes estruturais, inserções novas, rearranjos complexos ou necessita de limites de quebra precisos, as leituras longas oferecem uma vantagem significativa em relação aos métodos de leituras curtas.

Faseamento, complexidade específica de alelos ou resolução de haplótipos

Quando precisa de atribuir variantes a haplótipos, explorar a expressão/splicing específica de alelos ou compreender os efeitos cis-regulatórios, leituras longas são frequentemente essenciais.

Arquitetura do genoma e repetitividade

Em organismos com genomas altamente repetitivos, ricos em GC ou poliploides (plantas, fungos, genomas grandes), leituras longas ajudam a resolver ambiguidades e a reduzir a fragmentação da montagem.

Genomas novos ou com pouca referência

Para montagens de novo ou espécies mal anotadas, leituras longas aumentam a continuidade, reduzem lacunas e simplificam a interpretação estrutural.

Complexidade do transcriptoma

Se o seu objetivo é mapear isoformas completas, fusões, transcritos quiméricos ou variantes de splicing, a sequenciação de RNA de leitura longa oferece capacidades que as leituras curtas têm dificuldade em fornecer.

Custos, capacidade de produção e restrições de amostras

Se o seu projeto exigir uma profundidade ultra-alta (>100×) ou albergar muitas amostras, o custo por base e a taxa de transferência podem favorecer leituras curtas ou estratégias híbridas. Além disso, a qualidade do DNA da amostra (fragmentação, massa de entrada) pode limitar o que é viável na preparação de bibliotecas de leituras longas.

Matriz de decisão por regra prática 6.2

Abaixo está uma tabela de decisão simplificada para orientar a escolha de tecnologia:

Se o seu objetivo se alinha com ≥ 2 entradas "Preferir Leitura Longa", então o sequenciamento de leitura longa é provavelmente justificado.

6.3 Limiares típicos de cobertura e comprimento de leitura para uso eficaz

A partir da comparação de desempenho e da prática empírica:

Cobertura

Uma cobertura de ~15-25× é frequentemente suficiente para a deteção robusta de variantes estruturais e para um faseamento moderado. Para genomas altamente complexos, >30× pode ser preferível.

Distribuição do comprimento de leitura

Comprimentos médios de leitura de 15 a 25 kb ou mais ajudam a cobrir muitas repetições. Leituras ultra-longas (>100 kb) permitem ainda mais a abrangência de centrómeros ou arrays tandem extremamente longos.

Taxa de qualidade / erro

Plataformas com alta precisão por base (por exemplo, PacBio HiFi) reduzem a necessidade de polimento profundo. Leituras corrigidas por erro ou a nível de consenso melhoram a sensibilidade e a especificidade.

Estes limiares derivam de estudos comparativos (por exemplo, a avaliação LRGASP) e da prática de campo.

6.4 Cenários de caso de uso que ilustram "porque é que a leitura longa é apropriada"

Aqui estão cenários concretos onde a sequenciação de long-read se torna a escolha clara:

QC de edição genética e deteção de alvos fora do alvo

Após a edição com CRISPR, a PCR ou leituras curtas direcionadas podem não detetar inserções, deleções ou rearranjos grandes inesperados. Usando sequenciação de leituras longas, os cientistas descobriram edições não antecipadas—como inserções de 1–2 kb ou rearranjos complexos—que permaneceriam invisíveis.

Assemblagem de novo de um genoma de planta poliploide

Em culturas com múltiplos cromossomos homólogos e conteúdo repetitivo, leituras longas reduzem a ambiguidade na montagem, fecham lacunas e distinguem segmentos de cromossomos homeólogos.

Mapeamento do isoforma completa em um modelo de doença

Quando o splicing alternativo ou os transcritos de fusão são centrais para hipóteses mecanicistas, leituras curtas podem atribuir erroneamente exões/intrões. Leituras longas capturam moléculas de transcritos inteiras de ponta a ponta, permitindo chamadas de isoformas mais confiantes.

Genómica exploratória de espécies não modelo

Para um organismo recém-estudado sem uma referência, leituras longas aceleram a criação de um genoma contíguo e revelam variação estrutural desde o início.

6.5 Quando não priorizar a sequenciação de leitura longa

Existem cenários em que leituras longas podem não oferecer benefícios suficientes para o custo ou complexidade adicionais:

• Se as variantes-chave de interesse forem polimorfismos de nucleotídeo único (SNPs) ou pequenas inserções e deleções em regiões não repetitivas, leituras curtas bem cobertas podem ser suficientes.
• Estudos que necessitam de uma cobertura ultra-profunda em muitas amostras (por exemplo, rastreios de SNP em toda a população) onde o custo por base é limitante.
• Quando o DNA de entrada está altamente degradado ou com baixo rendimento, as restrições podem impedir a preparação de bibliotecas de leitura longa.
• Projetos já bem servidos por abordagens híbridas ou integradas com pipelines validadas.

Como Leituras Longas Melhoram a Qualidade da Montagem do Genoma

Montagens genómicas precisas e contíguas são fundamentais para muitas análises ómicas. Leituras longas melhoram drasticamente as métricas de montagem ao ligar sequências repetitivas, reduzir lacunas e resolver complexidade estrutural. Nesta secção, explico a base mecanicista, as estratégias bioinformáticas e os sucessos na vida real possibilitados pela montagem com leituras longas.

7.1 O desafio central: repetições, complexidade estrutural e ambiguidade na montagem de leituras curtas

Leituras curtas (100–300 pb) muitas vezes falham em resolver regiões repetitivas, duplicações segmentares e trechos ricos em GC. Os montadores devem fragmentar contigs em sobreposições ambíguas, colapsar repetições ou montar erroneamente sequências semelhantes. Em contraste, leituras longas (≥10 kb) podem abranger essas repetições na totalidade, restaurando o contexto flanqueador único e permitindo uniões de contigs sem ambiguidades.

Genomas complexos—como plantas, fungos, grandes vertebrados ou poliploides—agravam este problema porque possuem repetições abundantes e segmentos homeólogos. A incapacidade das leituras curtas de desambiguar tais regiões resulta frequentemente em montagens altamente fragmentadas. O surgimento do sequenciamento de leituras longas ajudou a superar estas limitações.

7.2 Mecanismos pelos quais leituras longas aumentam a continuidade da montagem

Abaixo estão as principais formas como leituras longas melhoram a montagem:

Ligando regiões repetitivas e estruturalmente complexas

Leituras longas abrangem rotineiramente repetições, inversões ou arranjos em tandem, fornecendo um contexto contínuo em megabases que liga sequências flanqueadoras únicas.

A montagem humana Telomere-to-Telomere (T2T) utilizou leituras ultra-longas de nanopore combinadas com leituras HiFi para resolver completamente centrómeros, arranjos de rDNA e outros locais anteriormente intratáveis.

Reduzir lacunas e desajustes nos andaimes

Quando os contigs podem ser unidos com evidências de leituras longas (ou ferramentas de scaffolding que utilizam leituras longas), permanecem menos lacunas não resolvidas. As junções incorretas, frequentemente introduzidas quando as arestas repetidas estão orientadas de forma errada, diminuem porque os longos intervalos reduzem a ambiguidade.

Resolver a heterozigosidade e distinguir alelos

Em genomas diploides ou poliploides, variantes heterozigóticas podem enganar os montadores. Leituras longas ajudam a desambiguar haplótipos ao preservar informações de fase através de longos blocos, reduzindo o colapso de alelos divergentes. O projeto T2T-CHM13, embora seja uma linha haploide, exemplifica o poder das leituras longas na obtenção de uma referência verdadeiramente sem lacunas.

Aprimoramento da precisão a nível base através de polimento e consenso

Após a construção inicial do contig, alinhar leituras longas de volta à montagem e realizar polimento iterativo corrige erros residuais de base ou erros de indel. Algoritmos como o Apollo (polidor universal) podem combinar leituras de múltiplas tecnologias para refinar montagens.

Estruturação utilizando evidências de ligação baseadas em leituras longas

Alguns leituras longas podem ligar contigs sem sobreposição completa da montagem. Ferramentas como ntLink use scaffolding de leitura longa para ordenar/orientar contigs, preencher lacunas e detectar erros de montagem.

7.3 Melhores práticas e compromissos na montagem de leituras longas

Embora as leituras longas ofereçam grandes ganhos, uma estratégia ponderada é essencial:

A escolha do montador importa

Os benchmarks comparativos (por exemplo, "Avaliação de ferramentas de montagem de novo de leituras longas para genomas eucariotos") mostram que nenhum montador único domina todas as métricas. A escolha depende do tamanho do genoma, heterozigosidade e contiguidade alvo.

Limiares de cobertura e comprimento de leitura

Assembleias beneficiam de uma cobertura de long-reads "equivalente a HiFi" de ~20–30×, com uma distribuição que favorece long reads (15+ kb). Long reads ultra-longas (>100 kb) ajudam ainda mais em regiões especialmente recalcitrantes.

Polimento híbrido e refinamento em múltiplas etapas

Mesmo as montagens de long-read de "alta precisão" podem conter erros residuais de indel ou mismatch. O polimento em múltiplas rondas (autopolimento de long-read, seguido de polimento com short-read ou híbrido) reduz as taxas de erro. As estratégias de polimento devem considerar os preconceitos específicos da plataforma.

Controlo de quimeras e má montagem

Leituras quiméricas espúrias ou junções incorretas podem corromper a integridade dos contigs. A validação através de dados ortogonais (mapas ópticos, Hi-C, leituras ligadas) ajuda a identificar e corrigir erros estruturais.

Recursos computacionais e complexidade de algoritmos

Genomas grandes e alta cobertura requerem uma memória e CPU substanciais. Alguns montadores otimizam o uso de memória ou dividem o problema. Teste sempre pequenos subconjuntos para avaliar as exigências de recursos.

7.4 Conquistas marcantes: montagens sem lacunas e quase completas

T2T-CHM13 montagem humana

O projeto Telomere-to-Telomere entregou um genoma humano totalmente sem lacunas, resolvendo regiões centroméricas, rDNA, satélites e duplicações segmentares que referências anteriores não conseguiram.

Esta montagem revelou conteúdo genético novo, corrigiu montagens incorretas e melhorou a chamada de variantes em loci repetitivos.

Assemblagens de espécies anteriormente desafiadoras

Um estudo recente utilizou protocolos HiFi modificados em amostras de museu preservadas em etanol para montar o genoma do bicho-preguiça de crina de 3,1 Gb com alta continuidade, superando as limitações anteriores em relação ao tipo de espécime.

Esses resultados demonstram que mesmo materiais de entrada "difíceis" podem gerar excelentes montagens de long-read quando os protocolos e a cobertura são otimizados.

Próximo de montagens T2T usando nanopore ultra-longo

O trabalho em curso está a alcançar montagens sem lacunas (ou quase sem lacunas) com dados apenas de nanoporo, especialmente quando complementado com métodos de andaimes ou ligação de proximidade.Pore-C, Hi-C).

Estas histórias de sucesso confirmam que a sequenciação de long-read atingiu um nível de maturidade em que montagens de qualidade de referência são viáveis para projetos de investigação não clínicos.

Conclusão

A sequenciação de long-read tornou-se uma ferramenta indispensável para dissecção de genomas complexos. A sua capacidade de abranger regiões repetitivas, resolver variantes estruturais com precisão, fasear alelos a longas distâncias e revelar transcritos completos transforma o que outrora era "matéria escura" na biologia genómica em uma visão acessível. Em projetos onde a variação estrutural, a regulação específica de alelos ou a montagem de novo são centrais, as long reads podem desbloquear descobertas que as short reads simplesmente não conseguem proporcionar.

Dito isto, a implementação bem-sucedida depende de um design cuidadoso: adequar a cobertura, o comprimento de leitura, as correções de erros, os alinhadores e os pipelines de SV / fase às suas questões biológicas. Os estudos de caso acima—desde genomas de câncer a culturas poliploides—demonstram que o investimento compensa em clareza de interpretação, maior rendimento de variantes e verdadeiro entendimento mecanicista.

Se a sua equipa está a preparar uma análise genómica complexa, um projeto de transcriptoma ou uma exploração de variantes estruturais, teríamos o prazer de colaborar consigo. Na CD GenomicsOs nossos serviços de sequenciação de leitura longa cobrem cada etapa: design experimental, controlo de qualidade de amostras, preparação de bibliotecas, sequenciação (PacBio HiFi ou Oxford Nanopore) e pipelines de bioinformática personalizados (detecção de variantes estruturais, faseamento, deteção de isoformas).

Próximos passos que pode dar agora:

• Contacte-nos para discutir o seu tipo de amostra, complexidade genómica e objetivos do projeto
• Solicite um orçamento adaptado às suas necessidades de cobertura, comprimento de leitura e capacidade de processamento.
• Revise o nosso serviço de sequenciação de leitura longa detalhes e entregas de dados.

Vamos passar da ambiguidade para a clareza — traga-nos o seu problema genómico mais difícil e nós ajudaremos a desenhar uma estratégia de leitura longa que forneça informações acionáveis.

Referências:

1. Amarasinghe, S.L., Su, S., Dong, X. et al. Oportunidades e desafios na análise de dados de sequenciação de longas leituras. Genome Biol 21, 30 (2020).
2. Wohlers I, Garg S, Hehir-Kwa JY. Editorial: Sequenciação de leitura longa - Armadilhas, benefícios e histórias de sucesso. Gene Frontalt. 2023 Jan 4;13:1114542. doi: 10.3389/fgene.2022.1114542. PMID: 36685894; PMCID: PMC9845275.
3. Dandan Lang, Shilai Zhang, Pingping Ren, Fan Liang, Zongyi Sun, Guanliang Meng, Yuntao Tan, Xiaokang Li, Qihua Lai, Lingling Han, Depeng Wang, Fengyi Hu, Wen Wang, Shanlin Liu, Comparação das duas tecnologias de sequenciação atualizadas para montagem de genomas: leituras HiFi do sistema Sequel II da Pacific Biosciences e leituras ultralongas da Oxford Nanopore., GigaScience, Volume 9, Edição 12, Dezembro 2020, giaa123,
4. Dierckxsens, N., Li, T., Vermeesch, J.R. et al. Um marco na deteção de variação estrutural por leituras longas através de um modelo simulado realista.. Genome Biol 22, 342 (2021).
5. Jiadong Lin, Peng Jia, Songbo Wang, Walter Kosters, Kai Ye, Comparação e referência de variantes estruturais detetadas a partir de leituras longas e montagem de leituras longas., Briefings em Bioinformática, Volume 24, Edição 4, Julho 2023, bbad188,
6. Zhao Y, Tsuiko O, Jatsenko T, Peeters G, Souche E, Geysens M, Dimitriadou E, Vanhie A, Peeraer K, Debrock S, Van Esch H, Vermeesch JR. Sequenciação de genoma completo em leitura longa baseada em haplotipagem e perfilagem de aneuploidia de células únicas. Ácidos Nucleicos Res2025 Mar 20;53(6):gkaf247. doi: 10.1093/nar/gkaf247. PMID: 40167327; PMCID: PMC11959539.
7. Xie H, Li W, Guo Y, Su X, Chen K, Wen L, Tang F. Sequenciação de genomas de esperma único baseada em leituras longas para a fase de haplótipos em toda a cromossoma de SNPs e SVs.. Ácidos Nucleicos Res2023 Ago 25;51(15):8020-8034. doi: 10.1093/nar/gkad532. PMID: 37351613; PMCID: PMC10450174.