Chamada de Variantes em RNA-Seq: Principais Desafios e Soluções Emergentes

RNA-SeqA chamada de variantes é uma forma eficaz de encontrar alterações genéticas nas partes transcritas do genoma. A deteção tradicional de variantes de DNA mostra uma visão ampla das alterações genómicas. No entanto, a chamada de variantes de RNA-Seq destaca padrões de expressão específicos de tecido e eventos de splicing alternativo. Estes podem ter efeitos funcionais importantes.

Este artigo analisa RNA-Seq. chamada de variantesAjuda a encontrar alterações genéticas em genes ativos. Este método mostra padrões específicos de tecido e alterações funcionais. Adiciona-se aos métodos tradicionais de deteção de variantes de ADN.

Introdução à Chamada de Variantes em RNA-Seq

O RNA-Seq tem sido principalmente utilizado para perfis de expressão. Mas agora, os investigadores reconhecem o seu valor na identificação de variantes genómicas em regiões expressas do genoma. A chamada de variantes por RNA-Seq funciona bem com métodos tradicionais de DNA para encontrar variantes. O RNA-Seq foca-se em regiões transcritas, ao contrário do sequenciamento de genoma completo ou de exoma completo. Esta abordagem tem várias vantagens chave para a análise de variantes. Oferece uma melhor cobertura de genes expressos. Isso pode revelar variantes importantes que Sequenciação de ADN pode perder a uma profundidade semelhante. O RNA-Seq direciona-se a áreas do genoma que estão ativamente transcritas. Este foco aumenta as hipóteses de encontrar variantes que possam ter impactos funcionais. O RNA-Seq permite que os investigadores analisem a variação genética e a expressão génica ao mesmo tempo. Isso ajuda-os a ligar o genótipo com os fenótipos transcricionais diretamente.

A RNA-Seq mostra mutações em regiões que estão ativamente transcritas. Isto é diferente da sequenciação de DNA, que captura todo o plano genético, independentemente de os genes estarem expressos ou não. Esta distinção oferece várias vantagens únicas:

• As mutações encontradas na RNA-Seq estão em genes expressos. Portanto, é mais provável que tenham efeitos funcionais.
• Mutacões Específicas de Isoformas: A RNA-Seq mostra mutações em isoformas de transcritos específicos. Isso ajuda-nos a compreender as alterações nas variantes de splicing.
• Expressão Específica de Alelos: O RNA-Seq pode mostrar desequilíbrio alélico. Isso significa que um alelo é expresso mais do que o outro.
• Modificações Pós-TranscricionaisO RNA-Seq pode revelar modificações que ocorrem após a transcrição, mas antes da tradução.
• Custo-Efetividade: Se os dados de RNA-Seq já foram gerados para análise de expressão, pode-se realizar a chamada de variantes nesse mesmo conjunto de dados. Isso significa que não há custos adicionais de sequenciação.

Aplicações da Chamada de Variantes em RNA-Seq

• Confirmar a patogenicidade de variantes de significado incerto (VUS)
• Identificar variantes intrónicas profundas que afetam o splicing.
• Detetar mutações em genes com padrões de expressão específicos de tecido.
• Revele mutações em regiões regulatórias que afetam os níveis de expressão.

A chamada de variantes em RNA-Seq está exclusivamente posicionada para detectar variantes que afetam o splicing, incluindo:

• Mutações em locais de splicing canónico
• Variantes que criam ou destroem potenciadores ou supressores de splicing
• Alterações que levam à omissão de exões ou retenção de íntrons
• Mutações que ativam locais de splicing crípticos

Apesar destas vantagens, a chamada de variantes em RNA-Seq apresenta desafios únicos em comparação com abordagens baseadas em DNA. Identificar variantes a partir de dados de RNA-Seq é difícil. Isso se deve a sequências intrónicas, splicing alternativo, edição de RNA e níveis de expressão variáveis. Um pipeline robusto é fundamental para superar esses desafios e obter informações de variantes fiáveis.

Figura 1. Visão geral do fluxo de trabalho T1K. (Song, L, 2023)

Desafios Principais na Chamada de Variantes em RNA-Seq

Baixa Cobertura e Perda Alélica em Genes de Baixa Expressão

A cobertura do RNA-Seq é inerentemente variável e diretamente proporcional aos níveis de expressão génica. Genes altamente expressos podem ter milhares de leituras. Em contraste, genes com baixa expressão geralmente têm menos leituras. Esta cobertura esparsa dificulta a deteção de variantes nessas áreas. Esta representação desigual leva a várias complicações:

• Profundidade de leitura insuficiente para chamar variantes com confiança em regiões de baixa expressão
• Aumento do risco de falsos negativos devido a uma cobertura inadequada.
• Perda alélica, onde um alelo não é representado nos dados de sequenciação.
• Variantes heterozigóticas podem ser erroneamente classificadas como homozigóticas. Isso acontece quando não há leituras de um alelo.

O desafio é claro em amostras de tecido com muitos tipos de células. Aqui, algumas variantes podem aparecer apenas em grupos celulares específicos. Métodos estatísticos podem ajudar com a cobertura variável e filtragem baseada na expressão. No entanto, estas questões continuam a ser grandes desafios na chamada de variantes em RNA-Seq.

Vieses Específicos de Cadeia e Artefatos de Transcrição Reversa

A preparação da biblioteca de RNA-Seq tem várias etapas enzimáticas. Estas etapas podem causar desvios sistemáticos e artefatos.

• Protocolos específicos de fita podem criar padrões de cobertura assimétricos entre as fitas direta e reversa.
• As enzimas transcriptase reversa podem cometer erros ao criar cDNA. Isso é especialmente verdade quando encontram estruturas secundárias de RNA.
• A mudança de modelo durante a transcrição reversa pode gerar moléculas de cDNA quiméricas.
• A pausa específica de sequência ou a terminação prematura da transcrição reversa pode criar lacunas de cobertura.
• A amplificação por PCR pode causar erros. Alguns contextos de nucleotídeos são mais propensos a ter má incorporação.

Estes artefatos técnicos podem ser confundidos com variantes genéticas reais. Portanto, precisamos de estratégias de filtragem avançadas. Estas estratégias devem considerar o viés de fita, o contexto da sequência e a localização das leituras de suporte.

Figura 2. Desenvolvimentos atuais e desafios nas tecnologias e algoritmos de identificação de variantes. (Stepanka Zverinova, 2021)

Dificuldade em Distinguir Verdadeiras Mutações de Eventos de Edição de RNA

A edição de RNA é um processo que altera a sequência de RNA após a sua produção. Isso ocorre sem modificar o molde de DNA. O tipo mais comum em humanos é a edição de adenosina para inosina. Isso aparece como alterações de A para G nos dados de sequenciamento e é realizado pelas enzimas ADAR. Outras formas incluem a edição de citidina para uridina (C para T) catalisada pelas enzimas APOBEC.

Estes eventos de edição representam desafios significativos para a chamada de variantes em RNA-Seq:

• As edições de RNA parecem idênticas às mutações genómicas apenas nos dados de RNA-Seq.
• A edição pode ocorrer em milhares de locais ao longo do transcriptoma.
• A eficiência de edição varia entre tecidos, estágios de desenvolvimento e condições fisiológicas.
• Alguns sites são parcialmente editados. Isso leva a uma mistura de transcrições editadas e não editadas.

Sem dados de sequenciação de ADN correspondentes, não é fácil distinguir variantes genómicas verdadeiras de eventos de edição de RNA. Isto depende de:

• Motivos sequenciais característicos em torno de locais de edição conhecidos
• Bases de dados de locais de edição previamente identificados
• A proporção de leituras variantes para leituras de referência, que muitas vezes difere entre variantes de edição e variantes genómicas.
• O tipo de alteração de nucleotídeo, com alterações de A para G a serem mais propensas a representar edição do que mutação.

Métodos avançados utilizam estas características e algoritmos de aprendizagem automática. Estes algoritmos são treinados em sites de edição confiáveis. Eles ajudam a distinguir melhor entre edição e mutação.

Soluções Emergentes e Direções Futuras

Uso de RNA-Seq de Célula Única para Detectar Variantes Expressas Específicas de Célula

A sequenciação de RNA de célula única (scRNA-Seq) representa uma mudança de paradigma na transcriptómica ao permitir a análise da expressão génica e da variação genética com resolução celular. Esta abordagem oferece várias vantagens para a chamada de variantes:

• Deteção de variantes específicas de tipo celular que podem ser diluídas em RNA-Seq de massa
• Identificação de mutações somáticas presentes em subpopulações de células
• Caracterização dos padrões de expressão alélica com resolução de célula única
• Ligação genéticavariantes a fenótipos ou estados celulares específicos

Avanços metodológicos recentes melhoraram a deteção de variantes em dados de scRNA-Seq:

• Integração de informações entre células com perfis transcricionais semelhantes para aumentar o poder de deteção.
• Abordagens computacionais que consideram desistências técnicas e viés de amplificação
• Estruturas estatísticas especificamente concebidas para a escassez de dados de células únicas

Apesar desses avanços, permanecem desafios, incluindo cobertura limitada por célula, altas taxas de abandono e preconceitos de amplificação. Os desenvolvimentos contínuos em métodos de preparação de bibliotecas e ferramentas computacionais continuam a melhorar a fiabilidade da identificação de variantes a partir de dados de célula única.

Figura 3. O número de alelos KIR expressos numa célula. (Song, L, 2023)

Tecnologias de Leitura Longa para Resolver Splicing Complexo

As tecnologias tradicionais de RNA-Seq de leitura curta são limitadas na sua capacidade de resolver padrões de splicing complexos e detectar variantes dentro de regiões com splicing alternativo. Sequenciação de leitura longa plataformas, como a Pacific Biosciences (PacBio) Iso-Seq e a Oxford Nanopore Technologies (ONT) superam essas limitações ao gerar leituras que abrangem transcrições inteiras:

• Sequenciação de transcritos completos elimina ambiguidades associadas ao mapeamento de junções de splicing
• A observação direta da conectividade dos exões melhora a deteção de variantes em regiões com splicing alternativo.
• Leituras longas permitem a fase de múltiplas variantes dentro do mesmo transcrito.
• Melhor resolução de regiões repetitivas que são desafiadoras para tecnologias de leitura curta.

Estas vantagens são particularmente valiosas para:

• Detetar variantes que afetam padrões de splicing
• Identificação de transcritos de fusão e variantes estruturais complexas
• Caracterização de variantes específicas de isoformas

Embora as tecnologias de leitura longa tenham sido historicamente limitadas por taxas de erro mais elevadas, melhorias recentes na química de sequenciação e nos algoritmos de chamada de bases aumentaram substancialmente a precisão. Abordagens híbridas que combinam a alta precisão das leituras curtas com os insights estruturais das leituras longas representam uma direção promissora para a chamada abrangente de variantes.

Alinhadores Baseados em Grafos e Ferramentas de Aprendizagem de Máquina para Detecção de Variantes de Baixa Frequência

As abordagens tradicionais de chamada de variantes dependem de genomas de referência lineares e alinhamentos baseados em posições, que são subótimos para capturar todo o espectro da diversidade genética humana. Duas tecnologias emergentes estão a transformar este panorama:

Alinhadores baseados em grafos substituir referências lineares por estruturas gráficas que incorporem variações genéticas conhecidas:

• Melhoria na precisão de alinhamento perto de variantes estruturais e regiões genómicas complexas
• Redução do viés de referência para populações divergentes da referência padrão
• Melhor manuseio de inserções, deleções e variantes estruturais complexas.
• Capacidade aprimorada de representar e detectar variantes específicas da população

Abordagens de aprendizagem automática e aprendizagem profunda aproveitar múltiplas características para distinguir variantes verdadeiras de artefatos técnicos:

• Integração do contexto da sequência, qualidade da base, qualidade do mapeamento e outras características para a classificação de variantes.
• Capacidade de reconhecer padrões subtis associados a variantes verdadeiras versus erros de sequenciação.
• Adaptação a características específicas do conjunto de dados através do treino
• Sensibilidade aprimorada para detetar variantes de baixa frequência

Ferramentas como o DeepVariant, que utilizam redes neuronais convolucionais para analisar "imagens" de leituras alinhadas, demonstraram um desempenho superior na chamada de variantes de DNA e estão a ser adaptadas para aplicações de RNA-Seq. Estes avanços computacionais, combinados com o aumento dos volumes de dados para treino, prometem melhorar substancialmente a deteção de variantes de baixa frequência a partir de dados de RNA-Seq.

A convergência destas tecnologias emergentes—resolução a nível de célula única, sequenciação de longas leituras, alinhamento baseado em grafos e aprendizagem automática—anuncia uma nova era na chamada de variantes de RNA-Seq, permitindo uma caracterização mais abrangente, precisa e funcionalmente relevante da variação genética em genes expressos.

Conclusão

A chamada de variantes a partir de dados de RNA-Seq é uma forma poderosa, mas difícil, de encontrar alterações genómicas nas partes ativas do genoma. Os dados de RNA-Seq apresentam desafios únicos. Estes incluem cobertura variável, perda alélica, preconceitos específicos de fita e edição de RNA. Por causa disso, precisamos de métodos especiais. A chamada de variantes baseada em DNA não funcionará aqui. A chamada de variantes de RNA-Seq tem benefícios claros. Ela foca regiões ativas e captura a complexidade genética única dos transcritos.

O campo está a evoluir rapidamente, impulsionado por inovações tecnológicas e computacionais. As tecnologias de RNA-Seq de célula única estão a revelar novas camadas de diversidade celular. Além disso, as plataformas de sequenciação de longas leituras estão a fornecer insights claros sobre estruturas complexas do transcriptoma. Os avanços computacionais em alinhamento baseado em grafos e aprendizagem automática estão a aumentar a deteção de variantes. Eles melhoram tanto a sensibilidade como a especificidade. Isso é especialmente verdade para variantes de baixa frequência que os métodos tradicionais podem não conseguir detetar.

À medida que estas tecnologias se desenvolvem e se interligam, podemos esperar uma compreensão mais profunda de como a variação genética impacta a expressão fenotípica. O futuro da chamada de variantes em RNA-Seq vai além da identificação de mutações. Trata-se de colocar essas mutações no contexto mais amplo da expressão génica, dinâmicas de splicing e diversidade celular. Esta perspetiva integrada será fundamental para avançar na nossa compreensão da genética humana, dos mecanismos de doença e das abordagens de medicina personalizada.

Para investigadores e clínicos, manter-se atualizado sobre estes desenvolvimentos é essencial. A escolha de metodologias e pipelines analíticos apropriados deve ser orientada pelas questões de pesquisa específicas, características da amostra e recursos disponíveis. À medida que o campo continua a evoluir, a integração de múltiplas abordagens—combinando as forças de diferentes tecnologias de sequenciação, métodos computacionais e estratégias de validação—provavelmente proporcionará as percepções mais abrangentes e fiáveis sobre o complexo mundo das variações genéticas expressas.

Referência:

1. Song, L., Bai, G., Liu, X. S., Li, B., & Li, H. (2023). Genotipagem eficiente e precisa de KIR e HLA com dados de sequenciação massivamente paralela. Pesquisa genómica, 33(6), 923–931. Desculpe, não posso acessar ou traduzir conteúdos de links externos. Se tiver um texto específico que gostaria que fosse traduzido, por favor, forneça-o e terei prazer em ajudar.
2. Zverinova, S., & Guryev, V. (2022). Chamada de variantes: Considerações, práticas e desenvolvimentos. Mutação humana, 43(8), 976–985. Desculpe, não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, forneça o conteúdo que deseja traduzir.