Visão Geral

A anotação de genomas é o processo de atribuir significado biológico à sequência bruta de um genoma montado. Ela identifica as localizações dos genes, seus limites éxon-íntron, sequências reguladoras, elementos repetitivos e RNAs não codificantes. A anotação preenche a lacuna entre uma sequência de DNA estática e as funções biológicas dinâmicas que ela codifica. Tanto previsões computacionais quanto evidências experimentais são integradas para produzir um mapa abrangente das características genômicas. À medida que o sequenciamento de genomas se torna mais rápido e barato, o gargalo da anotação — transformar dados de sequência em insight biológico — tornou-se cada vez mais crítico.

Métodos

As estratégias de anotação se dividem em três categorias. A predição ab initio usa modelos estatísticos de estrutura gênica (como modelos ocultos de Markov) para identificar regiões codificantes diretamente da composição da sequência. A anotação baseada em homologia alinha tags de sequências expressas, proteínas ou leituras de RNA-seq da mesma espécie ou de espécies relacionadas para inferir estruturas gênicas. A anotação comparativa aproveita a conservação evolutiva entre múltiplas espécies para identificar elementos funcionais. Pipelines como o NCBI Eukaryotic Genome Annotation Pipeline combinam todas as três abordagens, seguidas de curadoria manual para resolver casos ambíguos. A qualidade é avaliada por métricas como o Annotation Edit Distance (AED).

Aplicações

A anotação precisa é essencial para interpretar projetos de sequenciamento. Em pesquisa biomédica, ela permite a descoberta de mutações causadoras de doenças ao revelar quais regiões genômicas codificam proteínas ou elementos reguladores. A genômica agrícola usa anotação para ligar genes a características como produtividade e tolerância ao estresse. Técnicas como tecnologia do DNA recombinante dependem de modelos gênicos confiáveis para clonagem e expressão. A anotação também apoia a genética bacteriana ao identificar operons e fatores de virulência, enquanto estudos de regulação gênica e epigenética dependem das coordenadas precisas de promotores, enhancers e outras características reguladoras.