FA-NIVA: A Nextflow framework for automated analysis of Nanopore based long-read sequencing data for genetic analysis in Fanconi anemia

O artigo apresenta o FA-NIVA, um fluxo de trabalho automatizado baseado em Nextflow que utiliza sequenciamento de leitura longa Nanopore para detectar com precisão variantes estruturais e de nucleotídeo único, além de realizar a faseamento de variantes bialélicas em genes associados à anemia de Fanconi.

O essencial

Imagine que o nosso DNA é como um livro de receitas gigante que contém todas as instruções para construir e manter o corpo humano. Às vezes, esse livro tem erros de digitação ou páginas inteiras faltando. Quando isso acontece em genes específicos, pode causar uma doença rara chamada Anemia de Fanconi.

O problema é que os métodos antigos de leitura desse "livro" (sequenciamento de DNA) eram como tentar ler um livro com uma lupa muito pequena. Eles conseguiam ver letras individuais (erros pequenos), mas tinham muita dificuldade em encontrar páginas inteiras rasgadas ou faltando (erros grandes e complexos), especialmente se o texto fosse repetitivo.

Aqui entra o novo herói da história: FA-NIVA.

O que é o FA-NIVA?

Pense no FA-NIVA como um robô bibliotecário superinteligente e totalmente automatizado. Ele foi criado por cientistas na Alemanha para ler esse "livro de receitas" usando uma tecnologia nova chamada Nanopore (que funciona como uma fita métrica que lê o DNA letra por letra, em tempo real, sem precisar de lupas pequenas).

Mas, até agora, não existia um "manual de instruções" fácil para fazer esse robô trabalhar de forma organizada. O FA-NIVA é esse manual (um software) que organiza todo o trabalho sujo, desde a leitura bruta até a descoberta do erro.

Como ele funciona? (As Metáforas)

1. O Tradutor Automático:
   O Nanopore gera sinais elétricos brutos (como ruídos de rádio). O FA-NIVA pega esses ruídos e os traduz instantaneamente em letras do DNA (A, C, T, G), como um tradutor que converte um sotaque difícil em português claro.

2. O Detetive de Buracos Grandes:
   Em pacientes com Anemia de Fanconi, muitas vezes faltam pedaços grandes do gene FANCA. Métodos antigos diziam "tem um buraco aqui", mas não sabiam exatamente onde ele começava e terminava.
   O FA-NIVA usa ferramentas especiais (como o sawfish) que agem como lupas de alta precisão. Elas conseguem olhar para as bordas do buraco e dizer exatamente: "O buraco começa na página 3 e termina na página 100". Isso é crucial para entender a doença.

3. O Jogo de Quebra-Cabeça (Faseamento):
   Nós temos duas cópias de cada gene (uma da mãe, uma do pai). Para ter a doença, precisamos de erros nas duas cópias.
   O problema é saber qual erro está em qual cópia. É como ter duas cópias de um livro e saber se o erro de digitação está na cópia da mãe ou na do pai.
   O FA-NIVA é um mestre em montar quebra-cabeças. Ele consegue ligar os erros pequenos (letras erradas) com os erros grandes (páginas faltando) para montar a história completa: "Ah, a cópia da mãe tem um buraco grande, e a cópia do pai tem uma letra trocada. Juntos, eles causam a doença." Sem isso, os médicos poderiam ficar confusos.

4. O Chefe de Obra (Automação):
   Antes, os cientistas tinham que fazer cada passo manualmente, o que dava muito trabalho e risco de erro humano. O FA-NIVA é construído dentro de um sistema chamado Nextflow. Imagine que é como um chefe de obra que organiza a equipe. Ele diz: "Você, robô, leia o arquivo. Você, outro robô, compare com o original. Você, terceiro robô, faça o relatório". Se algo der errado, ele avisa exatamente onde.

Por que isso é importante?

• Precisão: Ele encontra erros que os métodos antigos perdem, especialmente em áreas do DNA que são muito repetitivas (como um texto que diz "o rato roeu a roupa do rei" 100 vezes seguidas).
• Velocidade e Segurança: Como é automatizado, ele é rápido e não cansa. Ele gera relatórios detalhados, como um diário de bordo, mostrando exatamente o que foi feito, garantindo que qualquer outro cientista possa repetir o trabalho e obter o mesmo resultado.
• Versatilidade: Embora tenha sido feito para Anemia de Fanconi, ele é como um canivete suíço. Pode ser ajustado para detectar doenças genéticas em outras famílias, até mesmo aquelas onde os pais são parentes (o que aumenta o risco de erros iguais nas duas cópias).

Resumo da Ópera

O FA-NIVA é a ferramenta que transforma a leitura complexa e bagunçada do DNA em um diagnóstico claro e preciso. Ele ajuda os médicos a verem não apenas as "letras erradas", mas também as "páginas faltando" e a entenderem de quem veio cada erro, permitindo um tratamento e aconselhamento genético muito melhores para os pacientes.

É a diferença entre tentar adivinhar o que está escrito em um livro rasgado e ter um scanner que reconstitui o livro inteiro, página por página, mostrando exatamente onde está o problema.

Resumo técnico

Título: FA-NIVA: Um framework Nextflow para análise automatizada de dados de sequenciamento de leitura longa baseada em Nanopore para análise genética na Anemia de Fanconi

---

1. Problema e Motivação

A Anemia de Fanconi (AF) é uma doença rara causada principalmente por variantes patogênicas bialélicas em genes associados à AF (pelo menos 22 genes). O diagnóstico genético enfrenta desafios significativos com as tecnologias atuais:

• Limitações do Sequenciamento de Leitura Curta (Short-Read): Embora eficaz para variantes de nucleotídeo único (SNVs) e pequenos indels, falha na detecção precisa de variantes estruturais complexas (SVs), como grandes deleções e inserções, e na resolução de sequências repetitivas (ex: regiões ricas em Alu).
• Dificuldades na Determinação de Quebras e Fase: Métodos complementares (como MLPA) detectam alterações no número de cópias, mas não definem os pontos de quebra genômica exatos. Além disso, a atribuição alélica (fasing) é crucial para confirmar heterozigosidade composta, mas é difícil de realizar com precisão em regiões com grandes deleções.
• Falta de Fluxos de Trabalho Padronizados: Embora o sequenciamento de leitura longa (LRS) via Nanopore ofereça a capacidade de detectar SNVs e SVs simultaneamente, não existe uma plataforma bioinformática unificada, automatizada e adaptada especificamente para os genes da AF, que frequentemente contêm regiões desafiadoras (pseudogenes e elementos Alu).

2. Metodologia: O Pipeline FA-NIVA

O FA-NIVA (Fanconi anemia – Nanopore Indel and Variant Analysis) é um fluxo de trabalho automatizado e modular construído no ecossistema Nextflow, utilizando imagens Docker para garantir reprodutibilidade.

Principais Componentes Técnicos:

• Entrada de Dados: Suporta formatos brutos do Nanopore (.pod5, .fast5) e arquivos .bam pré-processados.
• Pré-processamento:
  • Conversão de sinais elétricos para sequências de nucleotídeos usando o Dorado (basecaller) em GPUs.
  • Alinhamento Otimizado: Utiliza o pbmm2 (wrapper do minimap2 com preset -CCS) em vez do minimap2 padrão. O pbmm2 foi escolhido porque lida melhor com sequências "soft-clipped" em grandes deleções, evitando erros de posicionamento de pontos de quebra comuns em dados de Nanopore ruidosos.
• Chamada de Variantes:
  • SNVs: Utiliza o DeepVariant, que demonstrou o melhor desempenho (F1-score de 0,998) em benchmarks internos.
  • SVs (Variantes Estruturais): Utiliza o sawfish, um chamador de última geração que extrai sequências de leitura próximas às regiões de quebra para gerar contigs de consenso, permitindo a identificação precisa de pontos de quebra mesmo em regiões com flancos quase idênticos.
• Análise de Fasing (Haplotipagem) Avançada:
  • Desenvolveu uma estratégia de correção de genótipo consciente de SVs.
  • Corrige automaticamente os genótipos de SNVs localizados dentro de grandes deleções, evitando que sejam erroneamente classificados como homozigotos em vez de hemizigotos.
  • Integra SVs no processo de fasing, melhorando a resolução e a discriminação alélica para confirmar heterozigosidade composta.
• Anotação e Relatórios:
  • Anotação automática via AnnotSV.
  • Geração de relatórios detalhados (via MultiQC, mosdepth, copyQC) incluindo uso de recursos, versões de contêineres, parâmetros de linha de comando e tempos de execução.

3. Resultados e Casos de Uso

O pipeline foi validado através de três casos de uso demonstrativos:

1. Detecção de Variantes Bialélicas em FANCA: Identificação precisa de uma deleção de 77,8 kb (abrangendo o éxon 3 e estendendo-se para a região 3'-UTR) e um SNV em região não codificante. O pipeline forneceu os pontos de quebra em nível de nucleotídeo, resolvendo limitações do MLPA.
2. Identificação de Inserção de Elemento Alu em FANCD2: Detecção de uma inserção de 299 pb (elemento Alu) com alta qualidade (QUAL 504), demonstrando a capacidade de identificar inserções em regiões repetitivas.
3. Aplicabilidade Ampliada (Distrofia Muscular): Identificação de uma região homozigota de 227 kb no cromossomo 2 (gene DYSF) em um paciente com distrofia muscular. A homozigosidade foi confirmada por fasing de leituras e validada secundariamente por sequenciamento de genoma completo de leitura curta (Illumina).

4. Contribuições Principais

• Solução End-to-End: Primeira plataforma automatizada que vai do sinal bruto do Nanopore até a interpretação de variantes e fasing para genes da AF.
• Precisão em Regiões Desafiadoras: Supera as limitações de alinhamento em regiões com pseudogenes e repetições Alu através da integração específica de pbmm2 e sawfish.
• Fasing de Alta Resolução: A correção de genótipos baseada em SVs resolve um problema crítico na análise de doenças recessivas, permitindo distinguir corretamente entre homozigose e hemizigose em regiões deletadas.
• Reprodutibilidade e Transparência: Arquitetura baseada em Nextflow e Docker, com relatórios completos de proveniência e qualidade, atendendo a padrões diagnósticos.

5. Significância e Impacto

O FA-NIVA remove gargalos bioinformáticos que impediam a implementação clínica rotineira do sequenciamento de leitura longa na Anemia de Fanconi. Ao fornecer uma ferramenta robusta, modular e transparente, ele permite:

• Diagnóstico mais rápido e preciso, eliminando a necessidade de múltiplas técnicas complementares para caracterizar SVs.
• Confirmação definitiva de heterozigosidade composta, essencial para o aconselhamento genético.
• Adaptabilidade para outras doenças genéticas recessivas e tipos de dados (ex: PacBio), com potencial futuro para incluir análise de metilação.

O código-fonte está disponível publicamente no GitHub, facilitando a adoção por laboratórios de diagnóstico e pesquisa.