Visão geral
A chamada de variante é o processo computacional de identificação de diferenças entre o genoma de um indivíduo e um genoma de referência. Essas diferenças variam desde polimorfismos de nucleotídeo único (SNPs) e pequenas inserções ou deleções (indels) até grandes variantes estruturais, como alterações no número de cópias e rearranjos cromossômicos. A detecção precisa de variantes é a base da genética humana, da medicina de precisão e da biologia evolutiva. O processo requer modelagem estatística cuidadosa para distinguir a variação biológica genuína dos erros de sequenciamento e artefatos de alinhamento.
Conceitos-chave
A maioria dos chamadores de variantes segue um fluxo de trabalho comum: as leituras de sequenciamento são primeiro alinhadas a um genoma de referência usando ferramentas como BWA ou Bowtie2, depois os dados alinhados são processados para identificar posições onde a sequência do indivíduo difere da referência. O kit de ferramentas de análise de genoma (GATK) pipeline de melhores práticas é amplamente adotado, usando uma abordagem bayesiana para calcular as probabilidades dos genótipos. As principais considerações incluem profundidade de cobertura (maior profundidade melhora a confiança), pontuações de qualidade básica e qualidade de mapeamento. A filtragem de variantes usando limites rígidos ou aprendizado de máquina (por exemplo, VQSR) remove falsos positivos. A detecção de variantes estruturais requer ferramentas especializadas, como DELLY ou Manta, que analisam pares de leituras discordantes e leituras divididas.
Aplicativos
A identificação de variantes impulsiona a genômica clínica e de pesquisa. Ele identifica mutações subjacentes a doenças genéticas raras e informa a genômica do câncer, revelando mutações somáticas em comparações entre tumores e normais. Projetos de escala populacional, como o Projeto 1000 Genomas, catalogaram milhões de variantes para mapear a diversidade humana. Em doenças infecciosas, a identificação de variantes rastreia a evolução do patógeno e a resistência aos medicamentos. A precisão das chamadas de variantes depende fundamentalmente da qualidade dos dados de sequenciamento de próxima geração e da plataforma de sequenciamento de DNA usada.
Protocolo Prático
O fluxo de trabalho de práticas recomendadas do GATK para descoberta de variantes curtas de linhagem germinativa passa por vários estágios. Comece com arquivos BAM alinhados do BWA-MEM: bwa mem -t 8 -R "@RG\tID:sample\tSM:sample\tLB:lib\tPL:ILLUMINA" reference.fa sample_R1.fastq sample_R2.fastq > alinhado.sam. Classifique e converta para BAM com samtools sort. Marque duplicatas usando GATK MarkDuplicates para sinalizar duplicatas de PCR e indexe com samtools index. A recalibração do índice de qualidade base (BQSR) corrige erros sistemáticos nas qualidades básicas: primeiro construa um modelo de recalibração com Gatk BaseRecalibrator -R reference.fa -I dedup.bam --known-sites dbsnp.vcf -O recal.table e, em seguida, aplique com Gatk ApplyBQSR -R reference.fa -I dedup.bam --bqsr-recal-file recal.table -O recal.bam. A chamada de variante em amostras individuais usa Gatk HaplotypeCaller -R reference.fa -I recal.bam -O sample.g.vcf -ERC GVCF, produzindo um gVCF para genotipagem conjunta. Agregue amostras com Gatk GenomicsDBImport e chame em conjunto com Gatk GenotypeGVCFs -R reference.fa -V cohort.g.vcf -O raw_variants.vcf. A filtragem de variantes usa recalibração de índice de qualidade de variante (VQSR): Gatk VariantRecalibrator constrói um modelo de mistura gaussiana usando sites de verdade conhecidos (HapMap, Omni, 1000G) e Gatk ApplyVQSR aplica um filtro de tranche (normalmente 99,0% de sensibilidade para SNPs, 99,5% para indels). Para detecção de variante estrutural, execute Manta com seu script de configuração seguido pela execução do fluxo de trabalho. Avalie os conjuntos de chamadas finais com Gatk CollectVariantCallingMetrics e verifique a relação de transição/transversão - um Ti/Tv em torno de 2,0–2,1 indica alta qualidade para dados do genoma humano completo.
