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

Resumo Técnico: Anotação de Paralogues para Interpretação de Variantes

Definição do Problema
Um desafio primário na genética clínica é distinguir variantes missense patogênicas de variantes raras, porém benignas, particularmente para variantes não observadas ou caracterizadas anteriormente em humanos. Embora existam ensaios funcionais in vitro e in vivo, eles são intensivos em recursos e podem não prever com precisão os fenótipos de doenças humanas. As ferramentas de predição in silico existentes frequentemente carecem da precisão necessária para a tomada de decisão clínica. Embora o framework ACMG/AMP forneça diretrizes para a interpretação de variantes, ele carece de um método formalizado para inferir patogenicidade baseada em substituições equivalentes em proteínas evolutivamente relacionadas (parálogos), apesar da plausibilidade biológica de que uma substituição causadora de doença em um membro da família proteica possa causar doença em um parálogo via um mecanismo semelhante.

Metodologia
Os autores desenvolveram um framework denominado Anotação de Parálogos (PA - Paralogue Annotation) para transferir anotações de patogenicidade de variantes caracterizadas em proteínas homólogas para variantes não caracterizadas em um gene de interesse. A metodologia procede da seguinte forma:

1. Alinhamento e Mapeamento de Homologia: Para uma variante de consulta em um gene de interesse, o sistema identifica parálogos desse gene usando o Ensembl Compara. Um Alinhamento de Múltiplas Sequências (MSA) é usado para mapear a posição da variante de consulta para resíduos equivalentes em proteínas parálogas.
2. Transferência de Anotação: O sistema busca no ClinVar (versão 20190114) por variantes conhecidas como Patogênicas/Provavelmente Patogênicas (P/LP) nessas posições equivalentes nos parálogos. Se uma variante P/LP existir em uma posição alinhada, a anotação é transferida para a variante de consulta, inferindo que ela é provavelmente patogênica.
3. Filtros de Rigor de Conservação: Para aumentar a confiança na equivalência funcional, os autores implementaram uma hierarquia de filtros de conservação:
   • Baseline: Sem filtro de conservação (todas as posições alinhadas).
     • Ref AA Conservado: Requer que o aminoácido de referência seja idêntico entre o gene de consulta e o parálogo de origem.
   • Ref AA Totalmente Conservado: Requer que o aminoácido de referência seja conservado em toda a família proteica.
   • Alt AA Conservado: Requer que o aminoácido alternativo (substituinte) seja idêntico entre a consulta e a origem.
   • Para Z Score: Uma medida quantitativa de conservação usada como alternativa aos filtros categóricos.
4. Extensão para Domínios Proteicos: Para aumentar a sensibilidade, o método foi estendido além de parálogos diretos para domínios Pfam. Usando alinhamentos de metadomínios Pfam, o sistema identifica posições equivalentes através de proteínas mais distantemente relacionadas que compartilham domínios funcionais específicos.
5. Implementação: Um plugin Perl para o Variant Effect Predictor (VEP) do Ensembl foi desenvolvido para automatizar este processo para arquivos VCF.

Principais Contribuições e Resultados

• Alta Precisão: Ao ser aplicado a 30.334 variantes missense P/LP do ClinVar, o PA anotou corretamente 4.328 como patogênicas com apenas 245 falsos positivos (variantes Benignas/Provavelmente Benignas incorretamente anotadas), gerando uma precisão de 0,95.
  • A aplicação de filtros de conservação mais rigorosos (exigindo aminoácidos de referência conservados) aumentou a precisão para 0,97, e exigir a conservação em toda a família aumentou-a para 0,99, embora ao custo da sensibilidade.
  • O PA demonstrou maior precisão do que ferramentas in silico estabelecidas (AlphaMissense, EVE, REVEL, SIFT, M-CAP, CADD) em diversos conjuntos de teste, incluindo o dataset completo do ClinVar e genes específicos como SCN5A.
• Validação via Abordagens Ortogonais:
  • Ensaios Funcionais: Em 64 genes com dados de Ensaios Multiplex de Efeito de Variante (MAVE), o PA mostrou precisão comparável ou superior aos métodos estabelecidos, particularmente quando os filtros de conservação foram aplicados.
  • Associação Caso-Controle: Em coortes de Síndrome do QT Longo (LQTS), Síndrome de Brugada (BrS) e Distúrbios do Neurodesenvolvimento com Epilepsia (NDD+E), as variantes priorizadas pelo PA mostraram associações com doenças significativamente mais fortes (Odds Ratios mais altos) do que variantes raras não estratificadas. Por exemplo, em genes de NDD+E (SCN1A, SCN8A, KCNQ2), o PA aumentou a média de Odds Ratio de 1,2 para 12,7.
  • Mutações De Novo (DNM): Em trios de Transtorno do Espectro Autista (TEA), as variantes anotadas pelo PA estavam altamente enriquecidas em casos comparadas aos controles. Embora o PA tenha identificado menos variantes do que outros preditores (ex: REVEL), a taxa de enriquecimento foi significamente maior (Rate Ratio de até 11,4 para variantes totalmente conservadas).
• Escalabilidade e Aplicabilidade:
  • Aproximadamente 71% dos genes associados a doenças humanas possuem pelo menos um parálogo.
  • A extensão do método para domínios Pfam aumentou o número de variantes P/LP anotadas de 4.328 para 7.543, mantendo alta precisão (0,89–0,95 dependendo dos filtros) enquanto aumentava significativamente a sensibilidade.
  • Os autores estimam que o PA poderia anotar aproximadamente 855.552 variantes missense adicionais (em 335.243 posições genômicas distintas) com base nos dados atuais do ClinVar, representando um aumento de 30 vezes sobre as variantes atualmente anotadas.

Significância e Alegações
O artigo afirma que a Anotação de Parálogos fornece uma linha de evidência de alta precisão para a interpretação de variantes clínicas que é complementar às abordagens existentes. Os autores enfatizam que, na genética clínica, a precisão (minimizar falsos positivos) é frequentemente priorizada sobre a sensibilidade para evitar diagnósticos genéticos incorretos.

As principais alegações sobre a significância do trabalho incluem:

1. Complementaridade: O PA não é um substituto para ensaios funcionais ou outras ferramentas in silico, mas oferece uma fonte de evidência distinta e de alta confiança baseada na variação humana observada em proteínas relacionadas.
2. Integração ACMG/AMP: A abordagem se alinha aos critérios existentes do ACMG/AMP (especificamente PS1 e PM5) e pode ser formalmente integrada em fluxos de trabalho de interpretação de variantes. O painel de especialistas em Rasopatias do ClinGen já adotou regras semelhantes para grupos de proteínas específicos.
3. Potencial Futuro: Os autores observam que a sensibilidade do PA é atualmente limitada pela escassez de variantes caracterizadas em bancos de dados de referência como o ClinVar. Eles afirmam que, à medida que o volume de variantes bem caracterizadas aumentar, a sensibilidade e a aplicabilidade do PA melhorarão naturalmente sem comprometer sua alta precisão.
4. Ampla Aplicabilidade: O método não está restrito a canais iônicos de relação próxima, mas é aplicável a uma ampla gama de classes proteicas, incluindo enzimas, transportadores e fatores de transcrição, desde que possuam parálogos ou domínios Pfam compartilhados com variantes de doença caracterizadas.

Os autores concluem que, embora a ausência de uma anotação de parálogo deva ser tratada como ausência de evidência e não como evidência de benignidade, a presença de tal anotação fornece evidência robusta e de alta precisão para patogenicidade.