Variant annotation across homologous proteins (“Paralogue Annotation”) identifies disease-causing missense variants with high precision, and is widely applicable across protein families

Resumen Técnico: Anotación de Parálogos para la Interpretación de Variantes

Planteamiento del Problema
Un desafío primordial en la genética clínica es distinguir las variantes de sentido erróneo (missense) patogénicas de aquellas raras pero benignas, particularmente para variantes que no han sido observadas o caracterizadas previamente en humanos. Aunque existen ensayos funcionales in vitro e in vivo, estos requieren muchos recursos y pueden no predecir con exactitud los fenotipos de enfermedades humanas. Las herramientas de predicción in silico existentes suelen carecer de la precisión necesaria para la toma de decisiones clínicas. Si bien el marco de trabajo ACMG/AMP proporciona directrices para la interpretación de variantes, este carece de un método formalizado para inferir la patogenicidad basada en sustituciones equivalentes en proteínas evolutivamente relacionadas (parálogos), a pesar de la plausibilidad biológica de que una sustitución causante de enfermedad en un miembro de una familia proteica pueda causar enfermedad en una proteína paráloga mediante un mecanismo similar.

Metodología
Los autores desarrollaron un marco denominado Anotación de Parálogos (PA, por sus siglas en inglés) para transferir anotaciones de patogenicidad de variantes caracterizadas en proteínas homólogas a variantes no caracterizadas en un gen de interés. La metodología procede de la siguiente manera:

1. Alineación y Mapeo de Homología: Para una variante de consulta en un gen de interés, el sistema identifica los parálogos de ese gen utilizando Ensembl Compara. Se utiliza un Alineamiento de Secuencias Múltiples (MSA) para mapear la posición de la variante de consulta a los residuos equivalentes en las proteínas parálogas.
2. Transferencia de Anotación: El sistema busca en ClinVar (versión 20190114) variantes conocidas como Patogénicas/Probablemente Patogénicas (P/LP) en estas posiciones equivalentes en los parálogos. Si existe una variante P/LP en una posición alineada, la anotación se transfiere a la variante de consulta, infiriendo que es probablemente patogénica.
3. Filtros de Rigurosidad de Conservación: Para aumentar la confianza en la equivalencia funcional, los autores implementaron una jerarquía de filtros de conservación:
   • Base: Sin filtro de conservación (todas las posiciones alineadas).
   • Ref AA Conservado: Requiere que el aminoácido de referencia sea idéntico entre el gen de consulta y el parálogo de origen.
   • Ref AA Totalmente Conservado: Requiere que el aminoácido de referencia esté conservado en toda la familia de proteínas.
   • Alt AA Conservado: Requiere que el aminoácido alternativo (el sustituido) sea idéntico entre la consulta y el origen.
   • Para Z Score: Una medida cuantitativa de conservación utilizada como alternativa a los filtros categóricos.
4. Extensión a Dominios Proteicos: Para aumentar la sensibilidad, el método se extendió más allá de los parálogos directos hacia dominios Pfam homólogos. Utilizando alineamientos de metadominios Pfam, el sistema identifica posiciones equivalentes en proteínas más distantemente relacionadas que comparten dominios funcionales específicos.
5. Implementación: Se desarrolló un plugin de Perl para el Predictor de Efecto de Variantes (VEP) de Ensembl para automatizar este proceso para archivos VCF.

Contribuciones Clave y Resultados

• Alta Precisión: Al aplicarse a 30,334 variantes de sentido erróneo P/LP de ClinVar, PA anotó correctamente 4,328 como patogénicas con solo 245 falsos positivos (variantes Benignas/Probablemente Benignas anotadas incorrectamente), obteniendo una precisión de 0.95.
  • La aplicación de filtros de conservación más estrictos (requiriendo aminoácidos de referencia conservados) aumentó la precisión a 0.97, y requerir la conservación total en la familia la aumentó a 0.99, aunque a costa de la sensibilidad.
  • PA demostró una mayor precisión que las herramientas in silico establecidas (AlphaMissense, EVE, REVEL, SIFT, M-CAP, CADD) en diversos conjuntos de prueba, incluyendo el conjunto completo de datos de ClinVar y genes específicos como SCN5A.
• Validación mediante Enfoques Ortogonales:
  • Ensayos Funcionales: En 64 genes con datos de Ensayos Multiplex de Efecto de Variantes (MAVE), PA mostró una precisión comparable o superior a los métodos establecidos, particularmente cuando se aplicaron filtros de conservación.
  • Asociación Caso-Control: En cohortes de Síndrome de QT Largo (LQTS), Síndrome de Brugada (BrS) y Trastornos del Neurodesarrollo con Epilepsia (NDD+E), las variantes priorizadas por PA mostraron asociaciones con la enfermedad significativamente más fuertes (Odds Ratios más altos) que las variantes raras no estratificadas. Por ejemplo, en genes de NDD+E (SCN1A, SCN8A, KCNQ2), PA aumentó el Odds Ratio medio de 1.2 a 12.7.
  • Mutaciones De Novo (DNM): En tríos de Trastorno del Espectro Autista (TEA), las variantes anotadas por PA estuvieron altamente enriquecidas en casos en comparación con los controles. Aunque PA identificó menos variantes que otros predictores (por ejemplo, REVEL), la tasa de enriquecimiento fue significativamente mayor (Ratio de Tasa de hasta 11.4 para variantes totalmente conservadas).
• Escalabilidad y Aplicabilidad:
  • Aproximadamente el 71% de los genes asociados a enfermedades humanas tienen al menos un parálogo.
  • La extensión del método a los dominios Pfam aumentó el número de variantes P/LP anotadas de 4,328 a 7,543, manteniendo una alta precisión (0.89–0.95 dependiendo de los filtros) mientras aumentaba significativamente la sensibilidad.
  • Los autores estiman que PA podría anotar aproximadamente 855,552 variantes adicionales de sentido erróneo (en 335,243 posiciones genómicas distintas) basándose en los datos actuales de ClinVar, lo que representa un aumento de 30 veces sobre las variantes actualmente anotadas.

Significancia y Reivindicaciones
El artículo sostiene que la Anotación de Parálogos proporciona una línea de evidencia de alta precisión para la interpretación clínica de variantes que es complementaria a los enfoques existentes. Los autores enfatizan que en la genética clínica, la precisión (minimizar los falsos positivos) suele priorizarse sobre la sensibilidad para evitar diagnósticos genéticos incorrectos.

Las principales reivindicaciones respecto a la significancia del trabajo incluyen:

1. Complementariedad: PA no es un reemplazo para los ensayos funcionales u otras herramientas in silico, sino que ofrece una fuente de evidencia distinta y de alta confianza basada en la variación humana observada en proteínas relacionadas.
2. Integración con ACMG/AMP: El enfoque se alinea con los criterios existentes de ACMG/AMP (específicamente PS1 y PM5) y puede integrarse formalmente en los flujos de trabajo de interpretación de variantes. El Panel Experto de Rasopatías de ClinGen ya ha adoptado reglas similares para grupos de proteínas específicos.
3. Potencial Futuro: Los autores señalan que la sensibilidad de PA está actualmente limitada por la escasez de variantes caracterizadas en las bases de datos de referencia como ClinVar. Afirman que a medida que aumente el volumen de variantes bien caracterizadas, la sensibilidad y aplicabilidad de PA mejorarán naturalmente sin comprometer su alta precisión.
4. Amplia Aplicabilidad: El método no se restringe a los canales iónicos estrechamente relacionados, sino que es aplicable a una amplia gama de clases de proteínas, incluyendo enzimas, transportadores y factores de transcripción, siempre que posean parálogos o dominios Pfam compartidos con variantes de enfermedad caracterizadas.

Los autores concluyen que, si bien la ausencia de una anotación de parálogos debe tratarse como una ausencia de evidencia y no como evidencia de benignidad, la presencia de tal anotación proporciona una evidencia de patogenicidad robusta y de alta precisión.