Simple Science

Ciência de ponta explicada de forma simples

# Ciências da saúde# Medicina genetica e genomica

Avanços na Detecção de CNVs para Transtornos de Desenvolvimento

Novos métodos melhoram a detecção de CNVs, ajudando no diagnóstico de distúrbios de desenvolvimento severos.

― 7 min ler


Detecção de CNV e seuDetecção de CNV e seuImpactodesenvolvimento.de CNVs para distúrbios doNovos métodos melhoram muito a detecção
Índice

As Variantes de Número de Cópias (CNVs) são diferenças na quantidade de cópias de segmentos específicos de DNA nos nossos genes. Elas são importantes tanto para a saúde quanto para a evolução. Pesquisas mostram que cerca de 3% a 14% das pessoas com distúrbios de desenvolvimento raros têm um CNV prejudicial. A capacidade de encontrar esses CNVs pode variar dependendo do método usado, do grupo de pacientes estudados e do histórico médico deles. A maioria dos CNVs prejudiciais é herdada de maneira dominante, ou seja, se um dos pais tem um CNV, há uma boa chance de que a criança também tenha. Muitos desses CNVs aparecem pela primeira vez no indivíduo afetado, conhecidos como De Novo.

Estudos descobriram uma gama de tamanhos de CNVs na população geral, sendo que os CNVs menores são mais comuns do que os maiores. No entanto, entre os CNVs prejudiciais, os maiores são mais frequentes. Isso ocorre em parte porque CNVs maiores são mais propensos a causar problemas e também porque é mais difícil detectar CNVs menores em ambientes clínicos.

Métodos Usados para Detectar CNVs

Nos serviços de genética médica, a principal ferramenta usada para encontrar CNVs em pacientes com distúrbios de desenvolvimento é chamada de análise de microarranjos cromossômicos (CMA). Existem diferentes tipos de testes CMA disponíveis. Esses testes variam na capacidade de detectar diferentes tamanhos de CNVs devido à quantidade e arranjo dos sondas de DNA usadas em cada teste. Muitos testes CMA têm uma ampla gama de sondas que visam encontrar CNVs que têm centenas de milhares de pares de bases de comprimento.

Alguns testes CMA adicionam sondas extras que miram partes específicas de genes conhecidos para ajudar a encontrar CNVs prejudiciais menores. No entanto, testes que visam todas as partes dos genes que codificam proteínas não são comumente usados.

Com os avanços na tecnologia, mais serviços de genética médica estão começando a usar sequenciamento de próxima geração para diagnosticar distúrbios de desenvolvimento. Esse método avalia todas as áreas dos genes que codificam proteínas, permitindo potencialmente a detecção de todos os tamanhos de CNVs que afetam esses genes. No entanto, em comparação com outros tipos de variantes genéticas, os CNVs ainda são mais difíceis de identificar com precisão.

Diferentes estratégias foram criadas para melhorar a detecção de CNVs usando dados de sequenciamento, mas não foram feitas comparações profundas entre os métodos CMA e os métodos de sequenciamento em grandes grupos de pacientes.

Visão Geral do Estudo

Em um estudo recente, os pesquisadores compararam a detecção de CNVs usando dois métodos: Sequenciamento de Exoma (ES) e um tipo especial de CMA em um grupo de indivíduos com distúrbios de desenvolvimento severos. O estudo envolveu mais de 13.000 pacientes do Reino Unido e Irlanda, com foco em aqueles recrutados como parte de grupos pais-filhos.

Dentre os participantes, um número significativo já havia sido testado com um CMA de baixa resolução antes de fazer parte deste estudo. Isso permitiu que os pesquisadores vissem quão eficazes eram os métodos mais novos para encontrar CNVs que os testes anteriores perderam.

Coleta de Dados

Os participantes do estudo eram crianças com distúrbios de desenvolvimento severos e inexplicáveis. Os pesquisadores coletaram amostras de DNA através de vários centros no Reino Unido e Irlanda. No total, eles tinham dados de sequenciamento de exoma para mais de 13.000 indivíduos, com grupos pais-filhos representando quase 10.000 desses casos. Além disso, cerca de 5.200 desses indivíduos tinham dados do CMA de alta resolução.

Antes de entrar no estudo, muitos participantes foram testados usando CMA de baixa resolução para rastrear grandes CNVs prejudiciais. Essa triagem ajudou os pesquisadores a avaliar qual informação adicional os novos métodos poderiam fornecer.

Detectando CNVs no Estudo

O estudo empregou um design de CMA personalizado otimizado para a descoberta de CNVs, que usou muitas sondas para focar em CNVs de exon único. Esse design também incorporou uma seleção densa de sondas em áreas não gênicas para obter uma melhor cobertura do genoma todo.

Por outro lado, os dados de sequenciamento de exoma foram coletados usando designs de iscas específicos visando regiões-chave de codificação no genoma. O sequenciamento revelou muitos possíveis CNVs, enquanto os pesquisadores usavam vários programas para gerar chamadas de detecção inicial. Essas chamadas foram refinadas usando aprendizado de máquina para melhorar a precisão.

Avaliando Resultados de CNVs

Para descobrir quantos CNVs prejudiciais foram identificados, os pesquisadores compararam seus métodos de detecção com um conjunto de CNVs prejudiciais confirmados. Eles notaram diferenças no número de CNVs detectados entre os vários algoritmos usados. No total, o estudo reportou mais de 9 milhões de chamadas iniciais, mas após refinar essas chamadas, eles reduziram para um pouco mais de 7 milhões de chamadas únicas de CNV.

O estudo descobriu que o método que combinou resultados de todos os quatro algoritmos de detecção produziu resultados mais precisos e confiáveis do que qualquer método único. Entre os CNVs prejudiciais identificados, um número significativo era de novo, ou seja, foram identificados recentemente nos probandos e não vistos nos pais deles.

Principais Descobertas sobre CNVs

Dos CNVs identificados, os pesquisadores notaram que as deleções eram mais comuns do que as duplicações. Um grande número de CNVs detectados afetou múltiplos genes, enquanto uma porcentagem menor impactou apenas um único gene. Curiosamente, cerca de metade dos CNVs de novo detectados sobrepôs com genes conhecidos por causar distúrbios de desenvolvimento.

O estudo também explorou a presença de genes específicos impactados por esses CNVs. Vários genes foram encontrados afetados várias vezes, destacando seu papel potencial em distúrbios de desenvolvimento.

Explorando Influências Parentais e Idade

O estudo também examinou se havia um viés parental na origem dos CNVs. Enquanto uma forte influência paterna foi observada com outras variantes genéticas, os dados deste estudo não mostraram um viés significativo em nenhuma direção.

Além disso, os pesquisadores analisaram se a idade dos pais afetava a probabilidade de ter um filho com CNVs de novo. Embora a idade parental mais velha seja conhecida por aumentar o risco de certas mutações, o estudo não encontrou uma ligação significativa entre a idade parental e a ocorrência de CNVs neste grupo.

Implicações Clínicas das Descobertas

O estudo identificou um número significativo de CNVs potencialmente prejudiciais que tinham sido perdidos por métodos de teste anteriores. Isso destaca a necessidade de métodos de detecção mais refinados que possam identificar mudanças genéticas menores e potencialmente prejudiciais. Os achados sugerem que utilizar tanto métodos CMA quanto de sequenciamento juntos poderia melhorar as chances de obter um diagnóstico para pacientes com distúrbios de desenvolvimento inexplicáveis.

Os pesquisadores concluíram que o fluxo de trabalho desenvolvido para detectar CNVs a partir de dados de sequenciamento foi eficiente e eficaz, estabelecendo um alto padrão para estudos futuros e aplicações em genética clínica.

Conclusão

Resumindo, este estudo ilumina as complexidades da detecção de CNVs e como técnicas avançadas de sequenciamento podem ajudar na identificação de variações genéticas prejudiciais. As descobertas indicam que combinar diferentes métodos de detecção oferece a melhor chance de diagnosticar pacientes com distúrbios de desenvolvimento, especialmente aqueles que antes não tinham diagnóstico. Avançando, melhorias contínuas em tecnologia e métodos serão fundamentais para aprimorar as capacidades de diagnóstico em genética.

Fonte original

Título: Detection and characterisation of copy number variants from exome sequencing in the DDD study

Resumo: PurposeStructural variants such as multi-exon deletions and duplications are an important cause of disease, but are often overlooked in standard exome/genome sequencing analysis. We aimed to evaluate the detection of copy number variants (CNVs) from exome sequencing (ES) in comparison to genome-wide low-resolution and exon-resolution chromosomal microarrays (CMA), and to characterise the properties of de novo CNVs in a large clinical cohort. MethodsWe performed CNV detection using ES of 13,462 parent-offspring trios in the Deciphering Developmental Disorders (DDD) study, and compared them to CNVs detected from exon-resolution array comparative genomic hybridization (aCGH) in 5,197 probands from the DDD study. ResultsIntegrating calls from multiple ES-based CNV algorithms using random forest machine learning generated a higher quality dataset than using individual algorithms. Both ES- and aCGH-based approaches had the same sensitivity of 89% and detected the same number of unique pathogenic CNVs not called by the other approach. Of DDD probands pre-screened with low resolution CMA, 2.6% had a pathogenic CNV detected by higher resolution assays. De novo CNVs were strongly enriched in known DD-associated genes and exhibited no bias in parental age or sex. ConclusionES-based CNV calling has higher sensitivity than low-resolution CMAs currently in clinical use, and comparable sensitivity to exon-resolution CMA. With sufficient investment in bioinformatic analysis, exomebased CNV detection could replace low-resolution CMA for detecting pathogenic CNVs.

Autores: Petr Danecek, E. J. Gardner, T. W. Fitzgerald, G. Gallone, J. Kaplanis, R. Y. Eberhardt, C. F. Wright, H. V. Firth, M. E. Hurles

Última atualização: 2023-08-25 00:00:00

Idioma: English

Fonte URL: https://www.medrxiv.org/content/10.1101/2023.08.23.23294463

Fonte PDF: https://www.medrxiv.org/content/10.1101/2023.08.23.23294463.full.pdf

Licença: https://creativecommons.org/licenses/by/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 medrxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes