Avanços nas Ferramentas de Classificação de Variantes Genéticas

O teste genético ajuda a identificar mudanças no DNA de uma pessoa. Algumas dessas mudanças, chamadas de variantes, podem afetar como o corpo funciona. Muitas variantes são inofensivas, enquanto outras podem levar a doenças. Entre essas variantes, algumas são conhecidas como variantes de significado incerto (VUS). Isso significa que não sabemos se elas são prejudiciais ou não.

A maioria das variantes codificantes são o que chamamos de variantes missense. Essas mudanças acontecem na parte do gene que diz ao corpo como fazer proteínas. Como não há muitos dados funcionais disponíveis, os cientistas costumam confiar em programas de computador para prever se essas mudanças podem causar problemas.

#O Quadro de Classificação

Para ajudar a identificar se as variantes genéticas são prejudiciais, o American College of Medical Genetics and Genomics e a Association for Molecular Pathology (ACMG/AMP) oferecem um quadro. Esse quadro permite que os cientistas classifiquem variantes com base nas Evidências disponíveis. As classificações são:

• Benigna (B): Não prejudicial
• Provavelmente Benigna (LB): Provavelmente não prejudicial
• Variante de Significado Incerto (VUS): Não está claro se é prejudicial ou não
• Provavelmente Patogênica (LP): Provavelmente prejudicial
• Patogênica (P): Prejudicial

Nas recomendações anteriores, as evidências baseadas em computador eram limitadas a apoiar argumentos. Isso criou inconsistências, pois diferentes laboratórios poderiam classificar variantes de maneiras diferentes.

#Avanços Recentes nos Ferramentas de Previsão

Pesquisadores recentemente aperfeiçoaram a forma como as ferramentas de previsão por computador são usadas. Eles introduziram uma abordagem mais estruturada para avaliar a prejudicialidade das variantes. Para 13 ferramentas de previsão frequentemente usadas em testes genéticos, eles definiram limites específicos para categorizar a força das evidências. Esses limites incluíam níveis como “Apoio”, “Moderado”, “Forte” e “Muito Forte”.

Essas mudanças mostraram que muitas ferramentas de previsão poderiam fornecer evidências mais fortes do que as aceitas anteriormente. Essa mudança é crucial porque permite uma classificação mais precisa das variantes, o que pode impactar decisões médicas.

#Implementação das Recomendações

À medida que os laboratórios começaram a seguir essas novas diretrizes, surgiram perguntas sobre como usá-las na prática. Especificamente, preocupações emergiram sobre muitas variantes sendo classificadas como provavelmente prejudiciais. Para lidar com essas preocupações, um estudo analisou variantes missense raras encontradas em pacientes com doenças raras.

#Passos Importantes para Usar Evidências PP3/BP4

Aqui estão alguns pontos importantes para os laboratórios considerarem ao aplicar essas novas recomendações:

• Alvo Genes Apropriados: Aplique essas ferramentas apenas a genes onde variantes missense são conhecidas por causar doenças.
• Escolha uma Ferramenta Antes de Avaliar: Escolha uma ferramenta de previsão antes de olhar os resultados para evitar viés.
• Siga Diretrizes Estabelecidas: Use os limites recomendados, a menos que novas orientações específicas se apliquem.
• Combine Evidências com Cuidado: Ao combinar evidências de diferentes fontes, evite contar a mesma evidência várias vezes.

#Personalizando Calibrações

Painéis de especialistas podem ajustar os limites para se adequar a genes ou regiões específicas. Se uma ferramenta for considerada imprecisa para um gene, os especialistas podem modificar a força da evidência.

#Confiando no Processo de Calibração

Embora os novos códigos de evidência sejam baseados em calibrações sólidas, alguns desafios permanecem. As variantes usadas para calibração podem não representar novas variantes que precisam ser classificadas. Além disso, as previsões dessas ferramentas podem não coincidir perfeitamente com a patogenicidade real das variantes.

Apesar dessas limitações, os códigos calibrados mostraram ser confiáveis por meio de validação extensa. Espera-se que algumas variantes sejam classificadas de forma imprecisa, mas a maioria deve ser corretamente identificada.

#Futuro da Calibração

À medida que novos métodos são desenvolvidos, calibrações adicionais serão necessárias para garantir precisão. Manter-se atualizado com os avanços em tecnologia e pesquisa será essencial.

#Dados e Métodos do Estudo

Os dados para estudos sobre essas variantes vêm de projetos que sequenciam genomas, analisando o DNA de participantes que assinaram formulários de consentimento. A sequenciação envolve ler o DNA para encontrar variantes, que são então analisadas quanto ao seu impacto nas doenças.

#Extração e Análise de Variantes

Os pesquisadores se concentraram nas variantes missense, usando ferramentas específicas para garantir qualidade. Eles filtraram essas variantes com base em medidas de qualidade antes de analisar sua frequência. O objetivo era descobrir quantas variantes foram vistas em diferentes genes relacionados a doenças.

#Descobertas sobre Variantes Missense

Ao examinar participantes com doenças raras, o estudo encontrou um número específico de variantes missense exclusivas em vários genes. Dentro dos genes conhecidos por estarem associados a doenças, o número de variantes detectadas diminuiu, mostrando uma concentração em mudanças genéticas relevantes.

#Força da Evidência

Ao avaliar a força da evidência gerada por computador para essas variantes, os pesquisadores notaram o seguinte:

• Cada participante tinha cerca de uma variante classificada como evidência forte.
• Mais variantes eram frequentemente classificadas como moderadas ou de apoio.
• A maior parte da evidência apontava para benignidade ou ausência de significância.

No geral, os resultados indicaram que uma pequena porcentagem das variantes foi classificada como potencialmente prejudicial. A maioria das variantes mostrou falta de evidência clara sobre seu status, indicando incerteza na classificação.

#Entendendo os Resultados

Apesar das preocupações sobre um excesso de classificações fortes, os achados sugeriram que tais preocupações podem ser infundadas. O pequeno número de variantes alcançando níveis de evidência forte indicou que as ferramentas não estão propensas a classificar incorretamente um grande número de variantes.

A maioria das variantes mostrou baixa probabilidade de serem falsamente classificadas como prejudiciais, o que é encorajador para quem usa essas ferramentas em contextos diagnósticos.

#Conclusão

As atualizações nas ferramentas de previsão computacional e suas classificações mostram promessa para melhorar a precisão das avaliações de variantes genéticas. No entanto, o uso dessas classificações requer atenção cuidadosa aos detalhes e metodologias atualizadas. Avaliações e calibrações regulares aumentarão a confiança nos resultados produzidos por essas ferramentas, levando a melhores resultados em saúde nos testes genéticos.

Seguindo de perto as diretrizes e sendo cuidadoso com as evidências usadas na classificação de variantes, os laboratórios podem tomar decisões mais informadas, beneficiando, em última análise, pacientes e suas famílias.