paRDal: Bioinformatics Framework for a Parallel RNA and DNA NGS Analysis in Hereditary Cancer Diagnostics

Resumo Técnico: paRDal – Um Framework Bioinformático para Análise Paralela de RNA e DNA NGS em Diagnóstico de Câncer Hereditário

Definição do Problema
O sequenciamento de nova geração (NGS) germinativo de DNA é o padrão ouro para o diagnóstico de câncer hereditário, mas enfrenta limitações significativas na utilidade clínica devido à alta prevalência de Variantes de Significado Incerto (VUS). Aproximadamente 40% das variantes identificadas por NGS são VUS, muitas das quais afetam o processamento do mRNA (splicing, decaimento mediado por nonsense, níveis de expressão) de formas invisíveis apenas pela análise de DNA. Embora o NGS de RNA ofereça uma camada complementar de evidência para resolver essas variantes, sua implementação clínica é dificultada pela falta de frameworks integrados e padronizados. Os fluxos de trabalho existentes frequentemente fragmentam o processo, separando o pré-processamento de dados brutos, a chamada de variantes e a análise funcional, ou dependem de abordagens unidirecionais que falham em vincular sistematicamente as variantes de DNA a outliers de RNA. Além além disso, a complexidade dos dados multicamadas pode tornar o processo inacessível para clínicos que carecem de expertise bioinformática especializada.

Metodologia
Os autores apresentam o paRDal (fluxo de trabalho analítico paralelo RNA/DNA), um framework modular e conteinerizado (Docker), projetado para integrar dados de NGS de DNA e RNA pareados em um único pipeline de diagnóstico. O framework foi validado em uma coorte de 204 indivíduos de ascendência tcheca e eslovaca submetidos a testes de câncer hereditário, juntamente com controles externos dos projetos 1000 Genomes e Geuvadis.

Os principais componentes metodológicos incluem:

• Reprodutibilidade via Contêiner: Todo o fluxo de trabalho, desde o processamento de FASTQ bruto até a visualização final, é encapsulado no Docker para garantir a reprodutibilidade do software e de suas dependências.
• Pré-processamento de DNA e RNA: Os dados de DNA seguem as Melhores Práticas da GATK (BWA-MEM2, Picard, GATK HaplotypeCaller). Os dados de RNA utilizam uma estratégia rigorosa de alinhamento STAR de duas passagens. A primeira passagem identifica junções de splicing inéditas, que são então incorporadas ao índice genômico para uma segunda passagem. Crucialmente, a segunda passagem emprega o algoritmo WASP para suprimir o viés de mapeamento de referência, um passo crítico para uma análise precisa de Expressão Alélica Específica (ASE).
• Chamada e Anotação de Variantes: Tanto as variantes de DNA quanto as de RNA são chamadas e normalizadas. A anotação é realizada usando o Ensembl VEP com um conjunto especializado de plugins cobrindo predições de splicing (SpliceAI, SpliceVault, SpliceRegion), escores de deletériosidade (AlphaMissense, CADD, REVEL) e análise de domínios proteicos.
• Módulos de Análise Funcional:
  • Outliers de Splicing: Detectados usando o pacote R FRASER, calculando o Percent Spliced In (Ψ) com limiares estritos (p-valor ajustado < 0,05, |ΔΨ| > 0,1).
  • Outliers de Expressão: Identificados usando o pacote R OUTRIDER com um autoencoder de denoising para corrigir confundidores.
  • Expressão Alélica Específica (ASE): Quantificada usando GATK ASEReadCounter e avaliada estatisticamente via pacote R MBASED.
• Mecanismo de Integração Bidirecional: Um recurso central do paRDal é seu sistema de filtragem bidirecionalmente reativo. Os usuários podem filtrar outliers de RNA com base em uma variante de DNA selecionada ou, inversamente, consultar o pool de variantes de DNA com base em um outlier de RNA observado. Este mecanismo constrói dinamicamente janelas genômicas biologicamente delimitadas para vincular variantes intrônicas profundas ou exônicas a eventos de splicing específicos.
• Interface de Visualização: Uma aplicação R/Shiny consolida evidências de múltiplas camadas, permitindo que clínicos alternem entre "Todas as Variantes" (em toda a coorte) e "Visão do Paciente" (individual). Ela integra métricas de DNA/RNA lado a lado, visualização de arquivos BAM no IGV, gráficos de Sashimi para eventos de splicing e dados do GTEx.

Resultados Principais

• Desempenidade: Em um servidor de alto desempenho, o paRDal processou 204 indivíduos (painel CZECANCA) em 9 horas (22,7 amostras/hora). Também demonstrou robustez em estações de trabalho padrão.
• Resolução de Variantes: De um total inicial de 98.325 variantes únicas, a filtragem resultou em 5.497 variantes causais candidatas.
• Panorama de Splicing: Na coorte de 204 indivíduos, 292 variantes mapearam para regiões de splicing. A análise do FRASER identificou 114 outliers de splicing; 33% foram vinculados a variantes causais dentro da região de splicing, enquanto outros sugeriram variantes causativas em sequências intrônicas profundas.
• Estudos de Caso:
  • ATM:c.6197A>G: Uma VUS classificada como variante missense foi reavaliada. A análise de RNA revelou exon skipping severo e retenção de íntron, apoiada por um ASE significativo indicando degradação de transcrito, sustentando sua reclassificação para patogênica (PVS1(RNA)).
  • ATM:c.1899-123A>G: Uma variante intrônica profunda com altos escores de SpliceAI confirmou causar pseudo-exonização e elongação de éxon, levando ao NMD.
  • APC:c.1627-8A>G: O alinhamento STAR de duas passagens + WASP mostrou-se capaz de resgatar junções de splicing inéditas perdidas na primeira passagem. Em um caso, unificou um artefato de alinhamento (uma inserção de 18 pb) com um evento biológico real (elongação de éxon de 7 pb), aumentando as leituras de suporte em dez vezes.
  • Síndrome de GAPPS: O framework vinculou com sucesso uma variante de promotor ao APC, mas também destacou as limitações da análise automatizada de ASE quando a densidade de SNPs heterozigotos é baixa, necessitando de curadoria manual via interface.
• Impacto Algorítmico: A estratégia de alinhamento de duas passagens resgatou leituras de junção para 23% das junções de splicing perdidas durante a primeira passagem em quatro genes clinicamente acionáveis (APC, ATM, BRCA1, MSH3).

Significância e Alegações
O artigo afirma que o paRDal aborda o gargalo crítico de fluxos de trabalho fragmentados no diagnóstico de câncer hereditário ao fornecer uma solução padronizada de ponta a ponta que integra NGS de DNA e RNA. Sua principal significância reside em:

1. Operacionalização dos Critérios ACMG/AMP: Facilita a aplicação dos critérios PVS1(RNA) (patogenicidade baseada em evidência de RNA) e PP3 (evidência computacional), auxiliando diretamente na resolução de VUS.
2. Fluxo de Trabalho Bidirecional: Diferente de ferramentas unidirecionais, o paRDal permite tanto a perspectiva analítica de "variante-para-função" quanto a de "função-para-variante", permitindo que geneticistas ancorem a análise em sinais transcriptômicos observados.
3. Acessibilidade: Ao consolidar dados multiômicos complexos em uma aplicação R/Shiny interativa, o framework reduz a lacuna entre os resultados bioinformáticos e a tomada de decisão clínica sem exigir expertise bioinformática especializada.
4. Robustez Técnica: A inclusão de alinhamento de duas passagens e correção de viés WASP garante alta fidelidade na detecção de novas junções de splicing e análise precisa de ASE, recursos frequentemente omitidos em pipelines padrão.

Os autores mantêm um tom modesto quanto às limitações, reconhecendo que o fluxo de trabalho utiliza parâmetros predefinidos otimizados para diagnósticos Mendelianos, que a detecção de outliers requer um tamanho mínimo de coorte (mitigado por referências públicas) e que a expressão tecidual específica e a eficiência do NMD podem limitar a sensibilidade de detecção. Eles observam que trabalhos futuros focarão na integração de detecção de grandes indels (Pindel) e análise de CNV.