Notícias

Escrito por Keynote Contributor, Professor Damian Smedley.

Doenças raras afetam 6-8% da população mundial e, embora saibamos que pequenas alterações no DNA do paciente são responsáveis ​​por causar a maioria dos casos, a maioria das pessoas espera vários anos antes de ser diagnosticada e potencialmente tratada. Essa busca por uma explicação é extremamente angustiante para os pacientes e suas famílias, além de custar aos sistemas de saúde grandes somas de dinheiro para investigações e tratamentos médicos.

Fundo

Mesmo para os casos mais simples, em que uma única alteração no DNA de um paciente interrompe um gene e sempre causa a doença rara, identificar qual alteração nos três bilhões de pares de bases em cada um de nossos genomas é um grande desafio. Antes da conclusão do genoma humano em 2003, nem sabíamos qual era o estado normal das coisas. Mesmo assim, a tecnologia de sequenciamento disponível nos limitava a apenas interrogar pequenas partes do genoma de um paciente, direcionadas por suposições inteligentes, com resultados mistos.

A introdução do sequenciamento de todo o exoma (WES) na última década nos permitiu testar toda a porção codificadora de proteínas do genoma, levando a uma revolução no diagnóstico de pacientes com doenças raras. Inicialmente, os resultados foram demonstrados em estudos de pesquisa, mas cada vez mais o WES está sendo usado em ambientes de saúde convencionais. No entanto, algumas causas de doenças raras residem na parte não codificante do genoma e, mais recentemente, o sequenciamento completo do genoma (WGS) tornou-se uma maneira econômica de investigar isso, além de melhorar a cobertura das regiões codificadoras de proteínas.

Publicamos recentemente os resultados de um estudo piloto no Reino Unido que demonstrou o poder do WGS para revolucionar o diagnóstico e o tratamento de doenças raras. O projeto, liderado pela Genomics England e pela Queen Mary University of London, mostrou que o WGS é a maneira mais eficaz de encontrar rapidamente a causa dos problemas médicos do paciente e que essa abordagem funcionou bem em uma ampla gama de doenças raras. Também mostramos que, ao ter todo o genoma sequenciado, também conseguimos descobrir diagnósticos que não seriam detectáveis ​​pelas abordagens de teste existentes. Conseguimos encerrar a jornada de diagnóstico de 25% de nossos participantes, que durou em média 6 anos e envolveu 68 visitas hospitalares por paciente, e a um custo de £ 87 milhões para o NHS para as 2.183 pessoas no estudo.

Biologia Computacional

No entanto, não são apenas os avanços nas tecnologias de sequenciamento que levaram a esse sucesso. Em paralelo, um novo software de biologia computacional teve que ser desenvolvido para identificar eficientemente a variante que está causando a doença genética entre as 8 milhões de variantes dentro dos 3 bilhões de pares de bases em cada genoma sequenciado. Quase todas as ferramentas desenvolvidas compartilham algumas características comuns, como restringir a pesquisa inicial às variantes que interrompem as regiões codificadoras de proteínas dos genes, levando a uma perda completa da proteína ou função alterada devido a alterações de aminoácidos ou níveis de proteína alterados.

Espera-se que variantes causais estejam ausentes ou extremamente raras na população geral saudável e os esforços do consórcio GnomAD para criar um recurso de frequências alélicas em tais populações têm sido críticos para a filtragem eficaz de variantes. No entanto, a maioria dos dados de sequenciamento da população ainda vem de pessoas com origem étnica branca e europeia, e o aumento do sequenciamento de populações sub-representadas asiáticas, africanas e sul-americanas melhorará os resultados diagnósticos nessas origens.

A segregação de variantes entre membros da família afetados e não afetados que também foram sequenciados também pode ajudar a priorizar o diagnóstico, mas geralmente também é necessária alguma outra estratégia para restringir quais genes nos genomas são considerados. Em nosso estudo, usamos duas abordagens paralelas em nosso pipeline principal. O primeiro faz uso de painéis de genes selecionados por especialistas que são conhecidos por terem uma forte associação com categorias de doenças usadas durante o recrutamento de participantes para nosso projeto.

A curadoria, revisão e apresentação desses painéis são habilitadas pela ferramenta PanelApp. Também fazemos uso de uma abordagem de similaridade fenotípica semântica usando a estrutura do software Exomiser. O Exomiser aproveita o fato de que dados detalhados sobre os fenótipos clínicos (sinais e sintomas) de pacientes com doenças raras são sistematicamente capturados usando a Human Phenotype Ontology (HPO; 5) e que também capturamos conhecimento de referência das relações gene-fenótipo usando o HPO para doenças humanas e ontologias relacionadas para organismos modelo. Exomiser, HPO e as associações gene-fenótipo de referência são mantidas por uma iniciativa financiada pelo NIH chamada Monarch. O Exomiser pode identificar variantes raras, que alteram proteínas e segregam em genes com um perfil fenotípico semelhante ao do paciente com base no conhecimento prévio de doenças humanas, organismos modelo,

Usando essas abordagens puramente computacionais, fomos capazes de identificar a variante causadora de pequenos nucleotídeos (SNV) ou diagnósticos indel em apenas um punhado de candidatos propostos para 77% das amostras usando a abordagem baseada em painel, 88% usando Exomiser e 92% usando ambos juntos. Uma laboriosa revisão manual das evidências e validação de cada variante candidata é necessária antes que os diagnósticos moleculares possam ser feitos por geneticistas clínicos e essa priorização eficiente de candidatos foi fundamental para tornar as abordagens baseadas em WGS viáveis ​​em um ambiente de saúde.

Conclusão e direções futuras

Nosso trabalho mostrou que é possível analisar genomas inteiros em uma ampla gama de doenças raras e encontrar um diagnóstico em cerca de 25% das pessoas. Agora que temos a infraestrutura para isso, o plano é continuar a desenvolver, incorporando novos conhecimentos de pesquisadores de todo o mundo para tentar aumentar o número de pacientes que podem ser atendidos. Parte disso será a aplicação de novas abordagens computacionais para estender nossa pesquisa às partes não codificantes dos genomas, bem como variantes estruturais maiores. Por exemplo, abordagens recentemente publicadas para prever variantes intrônicas que estão afetando o splicing aumentarão nosso potencial para diagnosticar mais pacientes e incluir novas abordagens inovadoras de inteligência artificial.

Ter um único sistema de saúde facilitou a aplicação do diagnóstico WGS em escala no Reino Unido. Nossas descobertas já tiveram um impacto em nosso Serviço Nacional de Saúde (NHS) e continuarão a fazê-lo com a ambição de sequenciar cerca de 300.000 genomas descritos no Plano de Longo Prazo do NHS. No entanto, nossa esperança é que nosso estudo não apenas transforme o sistema de saúde do Reino Unido, mas seja adotado por outros sistemas de saúde para mudar a vida de pacientes com doenças raras em todo o mundo.

Artigo retirado de News Medical.

Comments are closed.

Translate »