Avanços na Compreensão de Doenças Genéticas Raras
Novos algoritmos melhoram a detecção de mudanças genéticas em doenças raras.
― 7 min ler
Índice
Milhões de pessoas ao redor do mundo sofrem de doenças raras. Um número significativo dessas doenças tem um componente genético, ou seja, são causadas por mudanças nos genes. As mudanças podem ser pequenas, como uma única letra no código do DNA, ou grandes, afetando grandes seções do DNA. Essas mudanças podem atrapalhar como nossos corpos funcionam, levando a uma variedade de problemas de saúde.
Avanços em Testes Genéticos
Os avanços recentes em testes genéticos, especialmente o sequenciamento de próxima geração, mudaram a forma como diagnosticamos doenças raras. Essa tecnologia permite que médicos e pesquisadores olhem para todo o conjunto de genes, o que pode ajudar a identificar as mudanças genéticas específicas que causam essas doenças. O sequenciamento de exoma completo (WES) e o sequenciamento de genoma completo (WGS) são dois métodos que têm sido particularmente úteis.
Com esses métodos, os pesquisadores podem encontrar milhões de mudanças genéticas. No entanto, geralmente apenas um pequeno número dessas mudanças é responsável por causar doenças. Testar cada mudança individualmente seria muito caro e demorado, então os pesquisadores usam estratégias específicas para se concentrar nas mudanças mais relevantes.
Identificando Mudanças Genéticas
Para identificar mudanças genéticas ligadas a doenças raras, os pesquisadores costumam usar três abordagens principais:
Estudos de Associação do Genoma Inteiro (GWAS): Esse método compara o perfil genético de pessoas com uma doença com aquelas sem, para encontrar mudanças genéticas que aparecem mais frequentemente em indivíduos afetados. A maioria dos GWAS foca em mudanças genéticas comuns, que podem não se aplicar a doenças raras.
Análise de Ligação: Esse método observa como as mudanças genéticas são transmitidas nas famílias. Estudando parentes, os pesquisadores podem encontrar regiões do genoma compartilhadas entre indivíduos afetados.
Mapeamento de Identidade por Ascendência (IBD): Essa técnica identifica regiões genéticas compartilhadas herdadas de um ancestral comum. Funciona muito bem para distúrbios que ocorrem em famílias. Ao encontrar áreas de DNA compartilhado, os pesquisadores podem identificar mudanças potenciais que causam doenças.
Importância do Mapeamento IBD
O mapeamento IBD tem sido bem-sucedido em encontrar mudanças genéticas associadas a várias doenças raras. Por exemplo, ajudou a identificar mudanças em genes ligados a síndromes e condições específicas. O processo geralmente foca em segmentos de DNA que são herdados juntos, o que aumenta as chances de encontrar mudanças relevantes. O mapeamento IBD é especialmente valioso em populações com histórico de consanguinidade, onde indivíduos relacionados compartilham mais material genético.
Apesar dos sucessos, muitas doenças raras continuam sem diagnóstico, com menos da metade dos pacientes recebendo um diagnóstico claro. Essa baixa taxa é frequentemente devido ao desafio de distinguir entre mudanças genéticas inofensivas e aquelas que realmente causam doenças.
Segmentos IBD Curtos
Enquanto os pesquisadores normalmente focam em longos segmentos de DNA compartilhado, há uma crescente evidência de que segmentos mais curtos também podem conter mudanças que causam doenças. Muitos estudos sugerem que uma porcentagem notável de segmentos IBD curtos inclui variantes genéticas raras. Infelizmente, os métodos existentes costumam negligenciar esses segmentos mais curtos, que podem conter informações valiosas.
Quando segmentos IBD curtos são perdidos, isso pode levar a condições não diagnosticadas, significando que os indivíduos podem não receber os cuidados que precisam. Alguns modelos atuais para identificar segmentos IBD costumam falhar em localizar essas regiões mais curtas de forma eficaz.
O Algoritmo SILO
Para resolver as deficiências dos métodos existentes, um novo algoritmo chamado SILO foi desenvolvido. Essa ferramenta pode identificar tanto segmentos IBD curtos quanto longos. Ela combina técnicas usadas para segmentos longos com uma abordagem aprimorada para detectar segmentos curtos usando variantes raras.
O SILO funciona em duas etapas. Primeiro, ele encontra longos segmentos IBD usando mudanças genéticas comuns. Em seguida, ele busca por segmentos IBD curtos contendo variantes raras. Ao focar nesses segmentos mais curtos, o SILO pode localizar mudanças genéticas que outros métodos poderiam perder.
Testando o SILO
Pesquisadores testaram o SILO em comparação com outros métodos de ponta para ver como ele se sai. Eles usaram dados simulados e registros reais do Projeto 1000 Genomas para avaliar sua eficácia. O SILO superou os outros métodos, especialmente quando se tratou de detectar mudanças relacionadas a doenças em segmentos IBD curtos.
Em uma genealogia simulada, o SILO identificou com sucesso uma variante causadora de doença que foi ignorada por outros modelos. Isso destaca como o SILO pode melhorar as chances de encontrar mudanças genéticas relevantes em indivíduos com doenças raras.
Aplicações no Mundo Real
Além dos testes simulados, o SILO também foi aplicado a dados genéticos reais. Pesquisadores focaram em uma família mexicana do Projeto 1000 Genomas para ver como ele poderia identificar potenciais mudanças causadoras de doenças. O SILO detectou várias variantes raras que foram ignoradas por outros modelos, incluindo uma variante que parecia contribuir para um problema de saúde.
Essas descobertas ressaltam a importância de usar ferramentas avançadas como o SILO na prática clínica. Ao identificar variantes negligenciadas, o SILO pode ajudar a melhorar o diagnóstico e o tratamento de doenças raras.
O Papel dos Erros Genéticos
Um desafio nos testes genéticos é a presença de erros na leitura dos genes. Esses erros podem levar a resultados enganosos, especialmente quando se trata de variantes raras. O SILO tem recursos embutidos para levar em conta esses erros, permitindo que ainda encontre informações valiosas apesar de possíveis enganos nos dados genéticos.
Ao ajustar quanto peso é dado às mudanças genéticas observadas com base nas taxas de erro, o SILO melhora sua habilidade de distinguir entre variantes verdadeiramente causadoras de doenças e mudanças não relacionadas.
Direções Futuras
A descoberta de segmentos IBD curtos e seu potencial para conter variantes relacionadas a doenças abre novas avenidas na pesquisa genética. Os pesquisadores são encorajados a investigar mais esses segmentos para aumentar os resultados diagnósticos para doenças raras.
À medida que a tecnologia de testes genéticos continua avançando, a integração de algoritmos eficazes como o SILO pode agilizar a busca por variantes causadoras de doenças. Isso pode levar a diagnósticos mais precisos e opções de tratamento direcionadas para indivíduos com distúrbios genéticos raros.
Conclusão
O desafio de diagnosticar doenças raras destaca a necessidade de abordagens inovadoras nos testes genéticos. Ao melhorar os métodos para identificar segmentos IBD longos e curtos, ferramentas como o SILO representam um passo significativo para entender doenças genéticas.
À medida que os pesquisadores continuam a explorar o genoma humano, é crucial priorizar a identificação de variantes raras e aprimorar o processo diagnóstico. Fazendo isso, podemos trazer esperança para inúmeras pessoas e famílias afetadas por distúrbios genéticos raros, abrindo caminho para melhores resultados de saúde e qualidade de vida.
Título: Enhanced disease susceptible variant identification via short identity by descent segments
Resumo: Rare diseases affect millions of individuals worldwide, yet diagnostic yields for them still remain low. Among variant identification approaches, identity by descent (IBD) mapping is used to identify disease susceptible variants originating from a recent common ancestor among affected individuals, but existing IBD detection models struggle to identify these variants in short IBD segments. Here, we introduce SILO, a novel model to detect disease susceptible variants in both short and long IBD segments. SILO employs a two-stage procedure to detect IBD segments. In the first stage, SILO identifies long IBD segments based on common variants. In the second stage, SILO utilizes rare variants to detect short IBD segments using a seed-and-extend algorithm. We evaluated SILO in simulated data and real data from the 1000 Genomes Project. Our results demonstrate that SILO outperforms existing models in detecting disease susceptible variants within short IBD segments, and show comparable performance in longer IBD segments. These findings highlight the potential of SILO to increase diagnostic yields for rare diseases by enhancing the identification of previously overlooked disease susceptible variants in short IBD segments.
Autores: Lu Zhang, C. Wang, W. P. Veldsman
Última atualização: 2024-04-28 00:00:00
Idioma: English
Fonte URL: https://www.biorxiv.org/content/10.1101/2023.09.26.559464
Fonte PDF: https://www.biorxiv.org/content/10.1101/2023.09.26.559464.full.pdf
Licença: https://creativecommons.org/licenses/by-nc/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao biorxiv pela utilização da sua interoperabilidade de acesso aberto.