Bias in diversity estimators and neutrality tests induced by neutral polymorphic structural variants

Este artigo deriva expectativas analíticas para o espectro de frequências de sítios condicionado a variantes estruturais polimórficas neutras, quantificando o viés que elas introduzem em estimadores de diversidade e testes de neutralidade padrão, e propõe correções para esses estimadores.

O essencial

Imagine que você é um detetive tentando entender a história de uma cidade apenas olhando para a idade das pessoas que vivem nela. Se você vir muitas crianças e poucos idosos, pode pensar: "Nossa, a cidade deve ter crescido muito rápido recentemente!" Se vir muitos idosos e poucas crianças, pode pensar: "Aqui a população está envelhecendo e não está crescendo."

Essa é basicamente a lógica que os cientistas usam para estudar a evolução das espécies. Eles olham para as "pequenas diferenças" no DNA (chamadas de mutações) e contam quantas são raras e quantas são comuns. Com base nisso, eles calculam estatísticas para dizer se a evolução está seguindo um caminho "normal" (neutro) ou se algo estranho está acontecendo (como seleção natural ou mudanças bruscas no tamanho da população).

O Problema: O "Fantasma" Estrutural

O problema que este artigo resolve é que, às vezes, a nossa "contagem de pessoas" está sendo enganada por um Fantasma Estrutural.

Na genética, esses fantasmas são chamados de Variantes Estruturais (VEs). São grandes pedaços de DNA que mudam de lugar, somem, aparecem do nada ou vêm de outra "cidade" (outra espécie). Exemplos comuns são:

• Inversões: Um pedaço de DNA que foi virado de cabeça para baixo.
• Deleções: Um pedaço que foi apagado.
• Inserções: Um pedaço novo que foi colado.
• Introgressão: Um pedaço de DNA que veio de outra espécie (como um híbrido).

A Analogia do Trem

Imagine que o DNA é um trem. A maioria dos passageiros (as mutações normais) está sentada em vagões comuns. Mas, de repente, surge um vagão especial (a Variante Estrutural).

1. O Vagão Especial (VE): Ele tem uma cor diferente. Vamos dizer que ele é "Azul".
2. A Regra do Trem: Todos os passageiros que estão no Vagão Azul estão presos ali. Eles não podem trocar de vagão com os outros (isso é o que chamamos de "ligação completa").
3. O Erro do Detetive: Se você olhar para o trem inteiro e contar as idades dos passageiros, você vai ver algo estranho.
   • Se o Vagão Azul tem muitos passageiros jovens, você vai achar que o trem todo é jovem.
   • Se o Vagão Azul tem passageiros muito velhos, você vai achar que o trem todo é antigo.
   • Se o Vagão Azul tem uma mistura estranha, você vai achar que houve uma explosão populacional ou um colapso.

Na verdade, nada disso aconteceu com o trem inteiro! A "história" que você está lendo é apenas a história do Vagão Azul. O detetive (o cientista) está usando as fórmulas erradas porque não percebeu que existe esse vagão especial separando os passageiros.

O que os autores descobriram?

Os autores deste artigo (Ramos-Onsins e colegas) fizeram a matemática exata para entender como esse "Vagão Azul" distorce a contagem. Eles mostraram que:

• Inversões: Funcionam como se o trem tivesse dois grupos de passageiros que nunca se misturam. Isso cria uma ilusão de que há muita diversidade no meio do caminho.
• Deleções: É como se metade do trem tivesse sido cortada. Sobram poucos passageiros, e a contagem de idades fica distorcida, parecendo que a população encolheu.
• Inserções: É como se um novo vagão tivesse sido adicionado cheio de gente nova. Isso faz parecer que a população cresceu muito rápido.
• Introgressão: É como se um vagão viesse de outra linha de trem inteira. Ele traz uma história de "ancestralidade" muito mais antiga, confundindo tudo.

A Consequência: Falsos Alarmes

Por causa dessa distorção, os testes de "neutralidade" (que deveriam dizer se a evolução está normal) começam a dar alarmes falsos.

• Eles podem dizer: "Olha! A seleção natural está agindo aqui!" quando, na verdade, só existe um Vagão Azul.
• Ou podem dizer: "A população cresceu!" quando só é um efeito de um pedaço de DNA novo.

A Solução: O Novo Mapa

O grande feito desse trabalho é que eles criaram novas fórmulas matemáticas. Agora, em vez de olhar para o trem inteiro e ignorar o Vagão Azul, o cientista pode:

1. Saber que o Vagão Azul existe.
2. Saber quantas pessoas estão nele.
3. Usar uma fórmula corrigida que separa a história do Vagão Azul da história do resto do trem.

Resumo Final

Pense nisso como se você estivesse tentando medir a temperatura de uma sala, mas havia um forno ligado em um canto. Se você medir a temperatura perto do forno, vai achar que a sala inteira está fervendo. Se medir longe, vai achar que está congelada.

Este artigo ensina aos cientistas como "desligar o forno" mentalmente (ou corrigir a medição) para saber a temperatura real da sala, mesmo sabendo que o forno (a Variante Estrutural) está lá. Isso evita que eles tirem conclusões erradas sobre a evolução das espécies, garantindo que quando disserem "algo especial aconteceu", realmente tenha sido algo especial e não apenas um truque de um pedaço de DNA deslocado.

Resumo técnico

1. O Problema

Os estimadores de diversidade genética (como $\theta_W$ de Watterson e $\pi$ de nucleotídeos) e os testes de neutralidade (como o D de Tajima e o H de Fay e Wu) são fundamentalmente baseados no Espectro de Frequência de Sítios (SFS). Esses métodos assumem que o SFS local segue um modelo neutro padrão, onde a expectativa de variabilidade é bem definida.

No entanto, Variantes Estruturais Polimórficas (SVs) — como inversões, deleções, inserções e introgressões — violam essa premissa. Quando uma região genômica está completamente ligada a uma SV segregante, a história evolutiva das variantes neutras nessa região não é independente da história da SV. Condicionar a presença de uma SV com frequência conhecida em uma amostra distorce o SFS das mutações neutras ligadas, mesmo sob estrita neutralidade. Embora esse viés seja bem compreendido para inversões sob seleção balanceada de longo prazo, não está claro como SVs que evoluem de forma neutra afetam esses estimadores, levando a interpretações errôneas de seleção natural ou demografia.

2. Metodologia

Os autores desenvolveram um modelo analítico rigoroso para derivar as expectativas exatas do SFS (desdobrado e dobrado) de mutações de nucleotídeo (SNVs) neutras, condicionadas à presença de uma SV polimórfica ligada.

• Premissas do Modelo:
  • Ligação Completa: Assume-se que todos os sítios analisados estão perfeitamente ligados à SV (sem recombinação dentro da região de interesse).
  • Tipos de SV: O estudo cobre quatro tipos bialélicos simples: Inversões, Deleções, Inserções e Introgressões.
  • Condicionamento: As derivas são condicionadas à frequência da SV na amostra ($i$) e na população ($f$).
• Abordagem Analítica:
  • Utilizaram uma estratégia de condicionamento de "alelo focal".
  • Para regiões ligadas, o espectro é decomposto em cinco componentes baseados na relação filogenética entre a mutação e a SV:
    1. Strictly nested (sn): Mutação presente em um subconjunto dos alelos derivados da SV.
    2. Co-occurring (co): Mutação presente em todos os alelos derivados da SV.
    3. Enclosing (en): O alelo derivado da SV está presente em um subconjunto das sequências com a mutação.
    4. Complementary (cm): Cada sequência contém ou a mutação ou o alelo derivado da SV (mutuamente exclusivo).
    5. Strictly disjoint (sd): Mutação presente em um subconjunto das sequências que não têm o alelo derivado da SV.
  • Para cada tipo de SV, combinaram esses componentes de forma específica (ex: deleções só têm componentes sd e en no segmento deletado; inserções só têm sn).
• Cálculo de Viés: Definiram o viés induzido pela SV como a diferença entre a expectativa condicional da SV e a expectativa neutra padrão (não condicional).

3. Principais Contribuições

1. Derivação Analítica Exata: Forneceram as primeiras expectativas analíticas exatas para o SFS condicional de mutações neutras ligadas a SVs neutras, cobrindo inversões, deleções, inserções e introgressões.
2. Quantificação do Viés: Mapearam matematicamente como a frequência da SV e o tipo de SV distorcem estimadores de diversidade ($\theta_W$, $\pi$) e testes de neutralidade (D de Tajima, H de Fay e Wu).
3. Correção de Estimadores: Propuseram métodos para construir estimadores de diversidade e testes de neutralidade "conscientes da SV" (SV-aware), que corrigem o viés ao incorporar a frequência e o tipo da SV no cálculo do espectro nulo esperado.

4. Resultados Chave

• Inversões e Introgressões:
  • SVs de frequência intermediária a alta tendem a aumentar a variabilidade genética estimada em comparação com a linha base neutra.
  • O estimador $\theta_W$ é particularmente suscetível a um viés positivo devido à divergência entre os backgrounds ancestral e derivado.
  • Testes de Neutralidade: SVs de frequência intermediária geram um excesso de mutações de frequência intermediária, resultando em valores positivos para o D de Tajima e H de Fay e Wu (sugerindo erroneamente seleção balanceada). Quando a SV atinge alta frequência, o sinal inverte para valores negativos (excesso de alelos raros).
• Deleções e Inserções:
  • Ambas resultam em uma diminuição da variabilidade estimada em relação à linha base, mesmo quando os estimadores tentam ajustar para o número reduzido de sequências.
  • Deleções: O espectro assemelha-se a uma contração populacional. Espera-se um esgotamento de alelos de baixa frequência, mas os testes de neutralidade (D e H) permanecem aproximadamente centrados (não significativamente enviesados) em muitos casos.
  • Inserções: O espectro assemelha-se a uma expansão populacional, com excesso de alelos de baixa frequência.
• Dependência da Frequência: O viés não é constante; ele varia drasticamente dependendo da frequência alélica da SV na amostra. Ignorar essa frequência leva a erros sistemáticos na inferência evolutiva.

5. Significado e Implicações

• Reavaliação de Sinais de Seleção: Muitos sinais de seleção balanceada (D positivo) ou de varredura seletiva (D negativo) detectados em regiões ricas em SVs podem ser artefatos da estrutura da SV e não de seleção natural atuando sobre os sítios neutros.
• Melhoria na Inferência Genômica: O estudo fornece ferramentas teóricas para corrigir esses viéses, permitindo que pesquisadores distingam entre sinais reais de seleção/demografia e distorções causadas pela presença de SVs.
• Aplicabilidade: As fórmulas derivadas permitem o desenvolvimento de pipelines de análise que ajustam automaticamente os testes de neutralidade quando SVs são detectadas e genotipadas, aumentando a precisão de estudos de genômica populacional.
• Limitações e Futuro: O modelo assume ligação completa e SVs bialélicas simples. O trabalho futuro deve abordar a recombinação parcial, SVs multialélicas complexas e a interação com histórias demográficas variáveis.

Em resumo, este artigo estabelece que SVs neutras são uma fonte significativa de viés em estatísticas genômicas padrão e oferece a base matemática necessária para corrigir essas distorções, melhorando a confiabilidade das inferências evolutivas em genomas complexos.