Warianty genomu: SNV, indele, CNV i zmiany strukturalne

Streszczenie

Wariant genomowy jest różnicą między badaną sekwencją a wybranym punktem odniesienia. Nie jest automatycznie mutacją chorobotwórczą, błędem ani rzadkością. Ta sama osoba ma miliony różnic względem liniowego genomu referencyjnego, a większość z nich nie powoduje choroby. Dopiero osobno ustala się pochodzenie wariantu, częstość, wpływ na cząsteczkę i związek z fenotypem.

Najprostszy podział według postaci zmiany obejmuje:

• SNV — zastąpienie jednego nukleotydu innym;
• indel — niewielką insercję albo delecję;
• zmianę powtórzeń — zwiększenie lub zmniejszenie liczby powtarzanych jednostek;
• CNV — różnicę liczby kopii określonego odcinka;
• zmianę strukturalną — większą delecję, insercję, duplikację, inwersję, translokację albo bardziej złożone przestawienie;
• zmianę liczby chromosomów — na przykład trisomię lub monosomię.

Granice między klasami są umowne. Delecja 49 par zasad i delecja 51 par zasad nie stają się nagle biologicznie innymi zjawiskami, choć mogą trafić do dwóch technicznych kategorii. To samo zdarzenie można też opisać na kilku poziomach: jako przerwanie chromosomu, utratę eksonów, spadek liczby kopii genu i zmianę jego dawki.

Najważniejsza zasada brzmi:

wykrycie sygnału → rekonstrukcja wariantu → poprawny zapis → klasyfikacja dowodów → interpretacja dla konkretnej osoby lub eksperymentu.

Każdy etap może się nie udać niezależnie od pozostałych. Algorytm może wykryć prawdziwą anomalię, ale błędnie odtworzyć jej strukturę. Wariant może być opisany poprawnie, lecz pozostać bez znanego znaczenia. Z kolei wariant sklasyfikowany jako patogenny nie musi wyjaśniać fenotypu każdej osoby, u której go znaleziono.

Taki układ rozwija wspólny rdzeń trzech podręczników: Lewis prowadzi od zmienności genomu do cech człowieka, Robinson porządkuje klasyczne mechanizmy mutacji i dziedziczenia, a tom pod redakcją Bala osadza klasy wariantów w diagnostyce molekularnej.^10,11,12

Wariant jest relacją, a nie samodzielnym obiektem

Zdanie „w próbce jest G w pozycji 123” jest niepełne. Trzeba wiedzieć, z czym porównano próbkę, na jakim chromosomie znajduje się pozycja, która wersja zespołu referencyjnego została użyta, jak numerowano nukleotydy i z jakiego materiału pochodzi DNA.

Pełny opis powinien przynajmniej określać:

• gatunek;
• wersję genomu referencyjnego albo identyfikator sekwencji;
• chromosom, kontig lub transkrypt;
• współrzędną i allele;
• orientację nici;
• genotyp, zygotyczność, liczbę kopii albo udział allelowy;
• materiał biologiczny i metodę;
• poziom pewności wywołania wariantu.

Referencja nie jest „genomem normalnego człowieka”. Jest narzędziem do ustalania wspólnych współrzędnych. Zawiera sekwencję złożoną z materiału pochodzącego od różnych dawców, poprawianą w kolejnych wydaniach i uzupełnianą alternatywnymi loci. Allel zgodny z referencją nie musi być najczęstszy, ancestralny ani korzystny. Allel różny od referencji nie musi być rzadki lub szkodliwy.

Projekt ludzkiego pangenomu powstał między innymi dlatego, że jedna liniowa referencja gorzej reprezentuje regiony złożone i haplotypy odległe od sekwencji odniesienia. Wersja robocza pangenomu oparta na wielu złożeniach zmniejsza błędy mapowania i ujawnia część zmian strukturalnych niewidocznych przy analizie tylko względem jednej ścieżki.¹ Pangenom nie znosi potrzeby referencji. Rozszerza ją z jednej sekwencji do grafu alternatywnych, udokumentowanych ścieżek.

Wariant, mutacja i polimorfizm

W nowoczesnej diagnostyce wariant jest nazwą neutralną. Słowo mutacja bywa używane dla procesu powstawania zmiany, nowego zdarzenia w linii komórkowej albo wariantu o ustalonym skutku. W języku historycznym „mutacja” często oznaczała po prostu odziedziczoną zmianę chorobotwórczą. To wieloznaczność, której warto unikać w raporcie.

Polimorfizm pierwotnie wskazywał wariant występujący w populacji z częstością przekraczającą umowny próg, zwykle 1%. Częstość nie przesądza jednak o obojętności. Wariant może być częsty i wpływać na cechę, odpowiedź na lek albo ryzyko wieloczynnikowe. Może też być częsty w jednej populacji, a rzadki w innej. Dlatego słowo „polimorfizm” nie powinno służyć jako skrót od „łagodny”.

SNV nie jest synonimem SNP

SNV (single-nucleotide variant) opisuje różnicę jednego nukleotydu w konkretnej próbce. SNP (single-nucleotide polymorphism) opisuje wariant jednonukleotydowy rozpoznany na poziomie populacji. W codziennej bioinformatyce nazwy bywają mieszane, lecz różnica perspektywy jest użyteczna:

• SNV odpowiada na pytanie, co wykryto w tej próbce;
• SNP odpowiada na pytanie, jaka jednonukleotydowa zmienność jest znana w populacji;
• identyfikator rs w dbSNP jest identyfikatorem rekordu, nie certyfikatem częstości ani łagodności.

Zmiana C>T może być jednocześnie częstym SNP w jednej analizie populacyjnej, wariantem germinalnym w próbce krwi i wariantem somatycznym w komórkach nowotworu. Klasa chemiczna zmiany pozostaje taka sama, ale jej pochodzenie oraz znaczenie są inne.

Skala wariantów jest ciągła

NHGRI opisuje warianty strukturalne jako zmiany obejmujące zwykle co najmniej 50 par zasad, w tym insercje, delecje, inwersje i translokacje.² Granica 50 bp ułatwia standaryzację zbiorów danych i ocenę metod, ale nie jest granicą mechanizmu ani funkcji.

Praktyczna mapa skali wygląda następująco:

Klasa	Typowa postać	Co trzeba ustalić	Metody szczególnie użyteczne
SNV	zamiana jednej zasady	allel, jakość, zygotyczność, faza	Sanger, krótkie i długie odczyty
mały indel	insercja lub delecja poniżej około 50 bp	dokładne granice, normalizacja zapisu	sekwencjonowanie, amplicon, Sanger
powtórzenie tandemowe	zmiana liczby jednostek STR/VNTR lub ekspansja	motyw, liczba powtórzeń, mozaika długości	PCR, analiza fragmentów, długie odczyty
CNV	utrata albo zysk kopii odcinka	przedział, liczba kopii, zawarte geny, mozaika	mikromacierz, MLPA, ddPCR, WGS
SV	delecja, duplikacja, insercja, inwersja, translokacja	oba miejsca pęknięcia, orientacja i struktura	WGS, długie odczyty, mate-pair, FISH
aneuploidia	nadmiar lub brak chromosomu	które chromosomy i jaka frakcja komórek	kariotyp, mikromacierz, sekwencjonowanie

Rozmiar nie przewiduje znaczenia. Jednonukleotydowa zmiana w krytycznym miejscu splicingowym może całkowicie wyłączyć produkt genu. Megabazowa inwersja może nie zmieniać dawki i przez lata pozostawać bez widocznego fenotypu, o ile nie przerwie genu ani jego regulacji. Z drugiej strony „zrównoważona” translokacja może zaburzyć gen na złączu, rozdzielić enhancer od celu albo tworzyć nieprawidłowe gamety.

SNV: jedna pozycja, wiele możliwych skutków

Substytucje dzieli się chemicznie na:

• tranzycje — zamiany puryny na purynę (A↔G) albo pirymidyny na pirymidynę (C↔T);
• transwersje — zamiany puryny na pirymidynę albo odwrotnie.

Ten podział pomaga analizować mechanizmy i sygnatury mutacyjne, lecz sam nie mówi o funkcji. Skutek zależy od miejsca.

W regionie kodującym SNV może być:

• synonimiczny — kodon zapisuje ten sam aminokwas;
• missense — zmienia aminokwas;
• nonsense — tworzy kodon stop;
• stop-loss — usuwa prawidłowy kodon stop;
• start-loss — zaburza inicjację translacji.

„Synonimiczny” nie znaczy automatycznie „bez skutku”. Zmiana może wpływać na splicing, stabilność RNA, strukturę transkryptu, szybkość translacji albo element regulatorowy zapisany w eksonie. Analogicznie wariant missense nie musi zmieniać funkcji: część zamian aminokwasu jest tolerowana.

Poza CDS jednonukleotydowy wariant może zmieniać:

• miejsce donorowe lub akceptorowe splicingu;
• punkt rozgałęzienia i elementy wzmacniające splicing;
• promotor lub enhancer;
• miejsce wiązania czynnika transkrypcyjnego;
• UTR i stabilność RNA;
• miejsce docelowe miRNA;
• niekodujący RNA;
• organizację chromatyny.

Efekt regulatorowy jest zwykle zależny od typu komórki. Enhancer aktywny w neuronie może być zamknięty chromatynowo w hepatocycie. Brak efektu w łatwej do hodowli linii komórkowej nie wyklucza skutku w niedostępnej tkance rozwojowej.

Deaminacja, uszkodzenia i podpis procesu

SNV powstają wskutek błędów replikacji, spontanicznych przemian chemicznych zasad, uszkodzeń oksydacyjnych, promieniowania, związków mutagennych i niedoskonałej naprawy DNA. Metylowana cytozyna w kontekście CpG może ulec deaminacji do tyminy, co pomaga wyjaśnić podwyższoną częstość zmian C>T w takich miejscach.

Pojedynczy SNV rzadko pozwala pewnie wskazać przyczynę. Dopiero rozkład wielu zmian, ich kontekst sąsiednich zasad i współwystępowanie indeli tworzą sygnaturę mutacyjną. Jest to statystyczny ślad procesu, nie fotograficzny zapis jednego wydarzenia. W guzie kilka procesów może działać równocześnie, a podobne sygnatury mogą mieć więcej niż jedno źródło.

Indele: mała zmiana może przesunąć całą ramkę

Insercja dodaje sekwencję względem referencji, a delecja ją usuwa. Łączna nazwa indel jest użyteczna dla małych zmian, zwłaszcza gdy technika wykrycia nie rozróżnia od razu mechanizmu.

W CDS znaczenie zależy między innymi od długości:

• indel niebędący wielokrotnością trzech zwykle przesuwa ramkę odczytu;
• indel o długości 3n dodaje lub usuwa całe aminokwasy bez przesunięcia ramki;
• indel blisko końca genu może mieć inny skutek niż taki sam typ zmiany na początku;
• przedwczesny kodon stop może uruchomić degradację transkryptu przez NMD, ale zależy to od jego położenia i struktury transkryptu.

Poza CDS indel może usuwać miejsce wiązania, zmieniać odległość między elementami regulatorowymi albo przekształcać miejsce splicingowe. Nie wolno więc oceniać go wyłącznie przez dzielenie długości przez trzy.

Poślizg polimerazy

Krótkie powtórzenia sprzyjają błędnemu sparowaniu nowej i matrycowej nici. Po chwilowym odłączeniu mogą one połączyć się w przesunięciu o jedną lub kilka jednostek. Dalsza synteza utrwala insercję albo delecję. Mechanizm ten nazywa się poślizgiem replikacyjnym.

Ta sama cecha utrudnia pomiar. Polimeraza stosowana w PCR również może się ślizgać, generując produkty różniące się liczbą powtórzeń. W analizie STR powstają piki stutter. W sekwencjonowaniu homopolimery i powtórzenia mogą zwiększać liczbę błędów. Biologiczna podatność i techniczna podatność często wynikają z tej samej struktury sekwencji.

Powtórzenia: ważna jest nie tylko długość

Powtórzenia tandemowe obejmują krótkie STR, dłuższe VNTR i ekspansje motywów związane z chorobami. Należy podać:

• sekwencję motywu;
• liczbę jednostek;
• czystość powtórzenia, czyli obecność przerw;
• orientację;
• fazę z sąsiednimi wariantami;
• rozkład długości między cząsteczkami i tkankami.

Dwie osoby z nominalnie tą samą liczbą powtórzeń mogą mieć allele o różnej stabilności, jeżeli jeden ciąg jest przerwany innymi zasadami. Wariant może też zmieniać długość w kolejnych pokoleniach lub w trakcie życia, tworząc mozaikę.

Antycypacja oznacza wcześniejsze wystąpienie albo cięższy przebieg cechy w kolejnych pokoleniach, często związany z dalszą ekspansją niestabilnego powtórzenia. Nie jest prostym prawem dla każdej rodziny. Prawdopodobieństwo zmiany zależy od locus, długości wyjściowej, struktury allelu i płci rodzica.

Krótkie powtórzenia są również podstawą znacznej części klasycznej genetyki sądowej. Tam interesuje nas głównie długość alleli w zestawie loci, częstość profilu i jakość mieszaniny, nie wpływ STR na chorobę. To ten sam rodzaj sekwencji użyty do innego pytania.

CNV: liczba kopii nie mieści się w prostym modelu dwóch alleli

Copy-number variant jest odcinkiem, którego liczba kopii różni się między badaną próbką a punktem odniesienia. Może obejmować fragment eksonu, cały gen, wiele genów lub duży region chromosomu. NHGRI odróżnia CNV od pojedynczych małych indeli i podkreśla, że zmienność liczby kopii stanowi istotną część różnic między genomami.³

W diploidalnym autosomalnym locus wartość referencyjna wynosi zwykle dwie kopie, ale to tylko model startowy. Możliwe wyniki obejmują:

• CN=0 — homozygotyczną delecję;
• CN=1 — heterozygotyczną delecję;
• CN=2 — liczbę oczekiwaną, która nie gwarantuje prawidłowej struktury;
• CN=3 — pojedynczy zysk;
• większą liczbę kopii — duplikację wielokrotną albo amplifikację;
• wartość niecałkowitą w pomiarze zbiorczym — sygnał mozaiki lub mieszaniny komórek.

Liczba kopii nie mówi, gdzie kopie leżą ani w jakiej orientacji. Trzecia kopia może być tandemowa, wstawiona w inne miejsce albo obecna tylko w części komórek. Dwie próbki z CN=3 mogą mieć różne złącza, regulatory i skutki.

Dawka genu

Jeżeli ilość produktu zależy od liczby funkcjonalnych kopii, delecja może obniżyć, a duplikacja podnieść ekspresję. Zjawisko to nazywa się efektem dawki. Nie każdy gen jest jednak tak samo wrażliwy:

• sprzężenie zwrotne może kompensować liczbę kopii;
• dodatkowa kopia może być nieaktywna;
• punkt pęknięcia może przerwać jedną z kopii;
• zysk może obejmować regulator bez genu albo gen bez regulatora;
• efekt może być zależny od tkanki.

Wrażliwość na utratę jednej kopii określa się często jako haploinsuficjencję, a wrażliwość na zysk jako triplowrażliwość. ClinGen prowadzi kurację dowodów dawki genów i regionów, ale wynik dla regionu nie jest prostą sumą etykiet jego genów.

CNV konstytucyjne i nowotworowe

Wariant konstytucyjny jest zwykle oceniany w odniesieniu do rozwoju całego organizmu i może być odziedziczony albo de novo. W nowotworze liczba kopii nakłada się na aneuploidię, domieszanie zdrowych komórek i obecność wielu subklonów. „Cztery kopie” w raporcie guza mogą więc oznaczać coś innego niż cztery kopie germinalne w każdej komórce.

W nowotworach przydają się dodatkowe pojęcia:

• czystość guza — udział komórek nowotworowych w próbce;
• ploidalność guza — bazowa liczba zestawów chromosomów;
• allele-specific copy number — liczba kopii przypisana do haplotypów;
• utrata heterozygotyczności — utrata jednego allelu, czasem bez zmiany całkowitej liczby kopii.

Copy-neutral LOH pokazuje, dlaczego CN=2 nie zawsze oznacza stan wyjściowy: obie kopie mogą pochodzić z powielenia jednego haplotypu po utracie drugiego.

Zmiany strukturalne są problemem topologii

Przy dużym wariancie ważne są nie tylko rozmiar i zawartość, lecz także położenie oraz orientacja fragmentów. Podstawowe klasy to:

• delecja — utrata segmentu;
• duplikacja — dodatkowa kopia segmentu;
• insercja — wstawienie fragmentu, którego źródło może znajdować się gdzie indziej;
• inwersja — odwrócenie orientacji fragmentu;
• translokacja — połączenie fragmentów różnych chromosomów lub odległych miejsc;
• wariant złożony — kombinacja kilku pęknięć, strat, zysków i zmian orientacji.

Opis „duplikacja chr1:100–200” nie wystarcza do odtworzenia produktu. Nie wiadomo, czy kopia jest tandemowa, odwrócona ani dokąd została wstawiona. Podobnie dwa miejsca pęknięcia translokacji nie zawsze wystarczają, gdy w złączach są małe insercje albo utracone nukleotydy.

Wariant zrównoważony nie daje dużego netto zysku lub straty DNA. Nie znaczy to, że jest funkcjonalnie obojętny. Może:

• przerwać gen;
• utworzyć gen fuzyjny;
• przenieść gen pod kontrolę innego enhancera;
• rozdzielić gen od jego domeny regulatorowej;
• zaburzyć domenę kontaktów chromatynowych;
• zwiększyć ryzyko niezrównoważonych gamet.

Gen fuzyjny

Połączenie dwóch genów może utworzyć transkrypt i białko o nowej aktywności. Klasycznym przykładem jest BCR::ABL1, powstający w związku z translokacją chromosomów 9 i 22. Nie każda fuzja obserwowana w danych RNA odpowiada jednak stabilnej rearanżacji DNA. Może być artefaktem biblioteki, trans-splicingiem albo wynikiem read-through. Wiarygodny wniosek łączy sygnał z kilku źródeł.

Efekt pozycji i architektura 3D

Gen działa w krajobrazie regulatorowym. Przestawienie może nie naruszyć jego sekwencji kodującej, ale zmienić sąsiedztwo. Enhancer trafia w zasięg innego promotora, izolator zostaje usunięty albo granica domeny chromatynowej przestaje oddzielać układy regulacyjne.

To efekt pozycji: funkcja zmienia się z powodu nowego kontekstu. Dlatego interpretacja wariantu strukturalnego wymaga mapy genów, enhancerów, domen chromatynowych i aktywności tkankowej, a nie tylko listy utraconych par zasad.

Aneuploidia i poliploidia: zmiana skali całego chromosomu

Aneuploidia jest nadmiarem lub niedoborem pojedynczego chromosomu względem typowego zestawu. Poliploidia oznacza dodatkowe kompletne zestawy chromosomów. Oba zjawiska zmieniają dawkę wielu genów naraz, ale powstają i zachowują się inaczej niż lokalny CNV.

Nierozdzielenie chromosomów podczas mejozy może prowadzić do gamety z dodatkowym lub brakującym chromosomem. Błąd mitotyczny po zapłodnieniu może utworzyć mozaikę linii komórkowych. Wynik zależy od czasu zdarzenia, przeżywalności linii i rozmieszczenia komórek w tkankach.

W hodowli komórkowej zmiany kariotypu są również elementem kontroli jakości. Linia pluripotentna może selekcjonować komórki z rearanżacją dającą przewagę wzrostową. Prawidłowy wynik sprzed kilkudziesięciu pasaży nie zastępuje bieżącego badania partii użytej do różnicowania albo eksperymentu.

Jak warianty powstają

Klasa końcowego produktu nie identyfikuje jednoznacznie mechanizmu. Podobna delecja może powstać w czasie rekombinacji między powtórzeniami, naprawy dwóch pęknięć albo załamania widełek replikacyjnych. Mechanizm można wnioskować z sekwencji złączy, lokalnych powtórzeń i rozkładu zmian, ale zwykle pozostaje to wnioskowanie probabilistyczne.

Rekombinacja niealleliczna

W prawidłowej rekombinacji homologicznej odpowiadające sobie loci dwóch homologów ustawiają się względem siebie. Jeśli genom zawiera bardzo podobne powtórzenia w różnych miejscach, może dojść do błędnego dopasowania. Rekombinacja między takimi kopiami — NAHR — może tworzyć delecje, duplikacje albo inwersje zależnie od ich orientacji.

Powtarzalne granice wielu rearanżacji wskazują na mechanizm nawracający. Nie oznacza to, że wszystkie osoby odziedziczyły wariant od wspólnego przodka; podobny układ sekwencji może niezależnie produkować podobne zdarzenia.

Łączenie niehomologicznych końców

Po pęknięciu obu nici komórka może połączyć końce bez długiego homologicznego wzorca. Klasyczne NHEJ bywa związane z małymi utratami lub insercjami na złączu. Szlaki wykorzystujące mikrohomologię mogą tworzyć bardziej rozbudowane produkty. Sekwencja złącza jest więc śladem naprawy, ale nie zawsze pozwala przypisać jeden szlak.

Ten mechanizm ma bezpośrednie znaczenie dla edycji genomu. Nukleaza może przeciąć cel zgodnie z projektem, a naprawa utworzyć cały rozkład alleli: małe indele, większą delecję, inwersję, translokację lub prawidłowe połączenie. Pomiar kilku oczekiwanych nukleotydów nie obejmuje całego krajobrazu produktów.

Błędy związane z replikacją

Załamanie widełek replikacyjnych i przełączenie matrycy mogą prowadzić do złożonych zmian liczby kopii. Modele FoSTeS i MMBIR wyjaśniają produkty, w których fragmenty pochodzą z kilku miejsc, mają zmienną orientację i towarzyszą im mikrohomologie.⁴

Takie zdarzenie trudno streścić jednym słowem „duplikacja”. Potrzebna jest rekonstrukcja kolejności segmentów. Krótkie odczyty mogą wykazać zmiany pokrycia i pary o nietypowej orientacji, ale długi odczyt lub niezależna metoda bywa konieczna do przejścia przez wszystkie złącza.

Elementy mobilne

Część genomu pochodzi od elementów zdolnych do kopiowania lub przemieszczania się. Nowa insercja elementu może przerwać gen, zmienić splicing albo wnieść sekwencje regulatorowe. Mechanizm retrotranspozycji często zostawia charakterystyczne cechy, takie jak ogon poli(A) i duplikację miejsca docelowego.

Ponieważ nowa sekwencja nie występuje w liniowej referencji w tym miejscu, wykrywanie insercji jest trudniejsze niż wykrywanie SNV. Odczyt może częściowo mapować się do celu, a częściowo do wielu podobnych kopii elementu.

Chromotrypsja i zdarzenia złożone

W chromotrypsji jeden lub kilka chromosomów ulega wielu pęknięciom, a fragmenty są ponownie łączone w chaotycznym układzie. Wzór obejmuje skupienie punktów pęknięcia i oscylacje liczby kopii. Nie jest to po prostu nagromadzenie dziesiątek niezależnych translokacji.

Zdarzenia złożone są ważnym ostrzeżeniem metodologicznym: dzielenie wyniku na osobne rekordy VCF może ukryć fakt, że biologicznie tworzą one jeden przebudowany chromosom.

Przeglądy mechanizmów rearanżacji wyróżniają NAHR, naprawę pęknięć i mechanizmy replikacyjne jako główne, częściowo nakładające się rodziny wyjaśnień.⁵ Nazwa mechanizmu powinna odpowiadać sile danych, a nie być dopisana tylko dlatego, że produkt pasuje do znanej klasy.

Germinalny, somatyczny, de novo i mozaikowy opisują pochodzenie

Te określenia nie są klasami rozmiaru.

• wariant germinalny jest obecny w linii prowadzącej do gamet i może być odziedziczony;
• wariant somatyczny powstaje po zapłodnieniu w określonej linii komórek;
• de novo znaczy nowy względem badanych rodziców, ale wymaga potwierdzenia pokrewieństwa i odpowiedniej czułości;
• mozaikowy oznacza współistnienie co najmniej dwóch genetycznie różnych populacji komórek pochodzących z jednej zygoty;
• chimeryczny opisuje połączenie komórek pochodzących z różnych zygot.

Wariant wykryty w krwi nie musi reprezentować każdej tkanki. Niski udział allelowy może wynikać z mozaiki, klonalnej hematopoezy, guza obecnego w próbce, zanieczyszczenia, błędu PCR albo złego mapowania. Sam procent alternatywnych odczytów nie rozstrzyga przyczyny.

VAF nie jest prostym procentem komórek

Variant allele fraction to udział odczytów zawierających wariant wśród odczytów ocenionych w locus. W idealnym diploidalnym locus heterozygotyczny wariant obecny w każdej komórce daje około 50%, ale rzeczywiste dane zaburzają:

• losowe próbkowanie;
• preferencyjna amplifikacja allelu;
• zmiana liczby kopii;
• aneuploidia;
• czystość próbki;
• mapowanie;
• duplikaty i filtry bioinformatyczne.

VAF 10% nie oznacza automatycznie, że dokładnie 20% komórek jest heterozygotycznych. Taki przelicznik działa tylko przy dodatkowych założeniach o ploidalności, liczbie kopii i braku biasu.

Mozaika może być przestrzenna

Zdarzenie wcześnie w rozwoju może trafić do wielu tkanek; późne — do małego klonu. Próbka policzka, krwi i skóry może dać różne wyniki. Brak wariantu we krwi nie wyklucza mozaiki ograniczonej do gonad lub tkanki objętej fenotypem.

W genetyce rodziny wariant pozornie de novo u dziecka może pochodzić z mozaiki germinalnej rodzica niewidocznej w krwi. W inżynierii zarodka edycja po pierwszym podziale może wytworzyć kilka alleli w różnych blastomerach. Sekwencjonowanie biopsji nie gwarantuje wtedy pełnego opisu reszty zarodka.

Jeden wariant może mieć kilka równoważnych zapisów

Sekwencje powtarzalne pozwalają opisać tę samą zmianę przy różnych współrzędnych. W ciągu AAAAA usunięcie jednego A daje ten sam produkt niezależnie od tego, który egzemplarz wskażemy. Algorytmy normalizują warianty, przesuwając indel według przyjętej reguły i upraszczając wspólne fragmenty alleli.

Konsekwencje są praktyczne:

• dwa rekordy o innych współrzędnych mogą opisywać ten sam allel;
• ten sam rekord może zmienić pozycję po zmianie referencji;
• porównanie zbiorów wymaga normalizacji;
• osobne rekordy SNV mogą należeć do jednego wielonukleotydowego wariantu na tej samej cząsteczce;
• anotacja aminokwasowa zależy od transkryptu.

Standard HGVS wymaga wskazania sekwencji referencyjnej i określa reguły opisu na poziomie genomowym, kodującym, RNA i białka.⁶ Zapis c. nie jest uniwersalną współrzędną genu: zależy od konkretnego transkryptu. Numer wersji po kropce ma znaczenie, bo sekwencja rekordu może zostać zaktualizowana.

Lewa normalizacja i reguła 3′ nie są tym samym

Formaty bioinformatyczne, takie jak VCF, często reprezentują indel w najbardziej lewym możliwym położeniu względem referencji. HGVS stosuje dla wielu opisów regułę przesunięcia w kierunku 3′ względem wskazanej sekwencji. Oba zapisy mogą być poprawne w swoich systemach.

Nie należy ręcznie porównywać samych ciągów znaków. Potrzebne jest narzędzie, które rozumie referencję, transkrypt i reguły normalizacji.

Allel, haplotyp i genotyp

Plik wariantów łatwo zamienia biologiczną cząsteczkę w listę wierszy. Jeśli dwa warianty leżą blisko siebie, ich wspólny skutek może zależeć od fazy. Dwa sąsiednie SNV na tym samym allelu mogą razem kodować inny aminokwas niż suma dwóch niezależnych anotacji.

GA4GH Variation Representation Specification rozdziela między innymi allele, haplotypy, genotypy oraz stany liczby kopii, aby ten sam wariant dało się jednoznacznie wymieniać między systemami.⁷ To ważna lekcja również bez implementowania standardu: rekord wariantu, cząsteczka i genotyp są różnymi obiektami.

Metoda określa, jakie warianty można zobaczyć

Nie istnieje jeden „test DNA”, który z równą czułością wykrywa każdą klasę zmian. Wybór metody jest częścią pytania badawczego.

Sanger i test celowany

Sekwencjonowanie Sangera dobrze potwierdza SNV i małe indele w krótkim, jednoznacznie amplifikowanym regionie. Może zawieść, gdy:

• allel z dużą delecją nie amplifikuje się;
• primer wiąże się w miejscu wariantu;
• locus ma podobny pseudogen;
• próbka jest mozaikowa na niskim poziomie;
• produkt zawiera mieszaninę indeli po edycji.

„Prawidłowy Sanger” oznacza prawidłową sekwencję amplifikowanego produktu, nie dowód obecności obu alleli ani braku dużej rearanżacji.

Krótkie odczyty

Krótkie odczyty zapewniają wysoką przepustowość i dobrą dokładność dla wielu SNV oraz małych indeli. Warianty strukturalne sygnalizują przez:

• zmianę głębokości pokrycia;
• odczyty rozdzielone między dwa miejsca;
• pary o nietypowej odległości lub orientacji;
• lokalne składanie.

Problemem są powtórzenia, duże insercje nieobecne w referencji i złożone rearanżacje. Odczyt krótszy od powtórzenia może nie dać się jednoznacznie umieścić. Algorytmy różnych klas wykorzystują inne sygnały, więc ich wyniki nie muszą się pokrywać.

Długie odczyty

Długi odczyt może przejść przez powtórzenie i oba złącza wariantu, ułatwiając rekonstrukcję oraz fazowanie. Pozwala też wykrywać modyfikacje zasad zależnie od platformy i protokołu.

Nie jest jednak magicznym rozwiązaniem. Wynik zależy od długości oraz integralności DNA, jakości bibliotek, pokrycia, profilu błędów i algorytmu. Bardzo duża rearanżacja nadal może przekraczać długość pojedynczej cząsteczki.

Mikromacierz

Mikromacierz porównawczej hybrydyzacji wykrywa zyski i straty przez zmianę intensywności sygnału. Macierz SNP dodatkowo dostarcza informacji o proporcjach alleli, pomagając wykrywać LOH, niektóre mozaiki i uniparentalną disomię.

Typowa macierz nie określi dokładnie złącza, nie wykryje większości zrównoważonych translokacji i inwersji oraz może słabiej działać w regionach o małej gęstości sond. Jej rozdzielczość nie jest jedną liczbą dla całego genomu.

MLPA, qPCR i ddPCR

Metody te odpowiadają na celowane pytanie o liczbę kopii:

• MLPA porównuje wiele wybranych sond w jednym eksperymencie;
• qPCR wnioskuje z przebiegu amplifikacji;
• ddPCR dzieli próbkę na wiele reakcji i umożliwia bezwzględniejsze oszacowanie stężenia.

Wynik sondy zależy od miejsca wiązania. Wariant pod sondą może naśladować delecję. Pomiar pojedynczego eksonu nie określa granic całej zmiany, a prawidłowa liczba kopii kilku eksonów nie wyklucza rearanżacji między nimi.

Kariotyp i FISH

Kariotyp pokazuje duże zmiany liczby oraz budowy chromosomów w pojedynczych komórkach. Zachowuje informację o mozaice i topologii, której nie daje sam średni sygnał z ekstraktu DNA. Jego rozdzielczość jest jednak znacznie mniejsza niż metod sekwencyjnych.

FISH odpowiada na pytanie dotyczące wybranej sondy i położenia sygnałów. Może potwierdzić translokację, amplifikację lub mozaikę, ale prawidłowy wynik nie jest przeglądem całego genomu.

Czułość, swoistość i granica wykrywania

Raport „nie wykryto wariantu” powinien znaczyć: w zakresie i przy granicach tej metody nie uzyskano sygnału spełniającego kryteria. Nie oznacza „wariantu na pewno nie ma”.

Trzeba znać:

• minimalne pokrycie;
• minimalną liczbę odczytów alternatywnych;
• zakres docelowy i jego luki;
• regiony wyłączone z interpretacji;
• klasy wariantów obsługiwane przez pipeline;
• limit mozaiki;
• jakość i ilość DNA;
• odsetek próbek, dla których test nie daje wyniku.

Czułość analityczna jest zdolnością wykrycia wariantu obecnego w próbce. Swoistość analityczna jest zdolnością odrzucenia fałszywego sygnału. Dodatnia wartość predykcyjna zależy dodatkowo od częstości prawdziwych wariantów w badanym zastosowaniu. Pipeline o tych samych parametrach może mieć inną wartość predykcyjną w rzadkim przesiewie i w silnie wyselekcjonowanej grupie.

Ortogonalne potwierdzenie

„Ortogonalna metoda” powinna wykorzystywać niezależną zasadę pomiaru albo przynajmniej inny zestaw słabości. Powtórzenie tego samego PCR z tymi samymi primerami może odtworzyć allele dropout. Sanger ampliconu nie potwierdza, że nie ma dużej delecji obejmującej miejsce jednego primera.

Dobór potwierdzenia zależy od hipotezy:

• SNV — drugi amplicon lub inna technologia;
• CNV — MLPA, ddPCR lub macierz;
• translokacja — analiza złącza i/lub FISH;
• mozaika — głęboki odczyt w kilku tkankach;
• edycja genomu — analiza celu, liczby kopii, długich złączy i off-targetów.

Artefakty naśladują warianty

Źródła fałszywych wyników obejmują cały przepływ pracy.

Na etapie próbki:

• pomylenie materiału;
• zanieczyszczenie;
• degradację;
• domieszkę innych komórek;
• formalinowe uszkodzenia DNA;
• klonalną hematopoezę w badaniu krwi.

Na etapie biblioteki:

• błędy polimerazy;
• allele dropout;
• chimery PCR;
• nierówną amplifikację;
• indeks hopping;
• duplikaty.

Na etapie analizy:

• błędne mapowanie do paralogu;
• niedopasowaną referencję;
• niewłaściwą normalizację;
• zbyt agresywny filtr;
• błędny model ploidalności;
• połączenie dwóch zdarzeń w jedno albo rozbicie jednego na wiele.

Kontrola jakości nie jest jedną liczbą. Wysoka średnia głębokość nie naprawia całkowicie niepokrytego eksonu. Doskonała jakość zasad nie rozwiązuje niejednoznacznego mapowania. Zgodność duplikatów technicznych nie wyklucza wspólnego błędu przygotowania próbki.

Wykrycie nie jest interpretacją

Po potwierdzeniu wariantu zaczyna się osobne zadanie: ocena znaczenia. W diagnostyce germinalnej standard ACMG/AMP proponuje pięć klas:

1. patogenny;
2. prawdopodobnie patogenny;
3. wariant o niepewnym znaczeniu;
4. prawdopodobnie łagodny;
5. łagodny.

Klasyfikacja łączy dowody populacyjne, obliczeniowe, funkcjonalne, segregacyjne i przypadki kliniczne według jawnych reguł.⁸ Nie jest plebiscytem baz danych ani sumą dowolnych przesłanek.

Patogenny nie znaczy przyczynowy w każdym przypadku

Trzeba rozdzielić:

• klasyfikację wariantu — ogólną ocenę jego zdolności do zaburzania funkcji w określonym mechanizmie choroby;
• interpretację dla osoby — czy wariant pasuje do fenotypu, modelu dziedziczenia, zygotyczności, wieku i innych wyników;
• decyzję kliniczną — co zrobić przy uwzględnieniu korzyści, ryzyka i preferencji pacjenta.

Patogenny allel recesywnego genu w jednej kopii może oznaczać nosicielstwo, a nie wyjaśnienie objawów. Patogenny wariant o niepełnej penetracji może nie dać fenotypu. Wariant w mozaice ograniczonej do krwi może mieć inne znaczenie niż wariant konstytucyjny.

VUS nie jest „prawie patogenny”

Wariant o niepewnym znaczeniu oznacza brak dostatecznych dowodów do użycia jednej z dwóch stron klasyfikacji. Nie powinien być traktowany jak dodatni wynik ani wykorzystywany samodzielnie do nieodwracalnych decyzji.

Niepewność może zmniejszyć:

• dobrze zaprojektowany test funkcjonalny;
• segregacja w rodzinie;
• obserwacja niezależnych przypadków;
• dane populacyjne;
• lepsze rozumienie mechanizmu genu;
• ponowna analiza po aktualizacji baz.

Predykcja komputerowa jest jedną linią dowodu. Kilka programów opartych na podobnych cechach nie tworzy kilku całkowicie niezależnych dowodów.

CNV ma własne ramy interpretacji

Standardy ACMG i ClinGen dla konstytucyjnych CNV stosują punktowe kryteria dla zawartości genów, wrażliwości dawki, danych przypadków, częstości populacyjnej, segregacji i dziedziczenia. Wynik prowadzi do pięciu klas, ale zalecane jest oddzielenie klasyfikacji samego CNV od znaczenia dla konkretnej osoby.⁹

Ta separacja jest szczególnie ważna dla dużych regionów:

• CNV może być patogenny, ale nie wyjaśniać wszystkich objawów;
• odziedziczenie od pozornie zdrowego rodzica nie zawsze dowodzi łagodności;
• wariant de novo jest istotnym, ale nie samowystarczalnym dowodem;
• granice i geny mogą różnić się między podobnymi rekordami;
• penetracja oraz ekspresywność mogą być zmienne.

Test funkcjonalny musi odpowiadać mechanizmowi

Wykazanie, że wariant „coś zmienia” w komórce, nie wystarcza. Trzeba ustalić, czy test:

• mierzy właściwy produkt;
• używa odpowiedniego typu komórki;
• odwzorowuje stan heterozygotyczny albo liczbę kopii;
• ma kontrolę dodatnią i ujemną;
• był skalibrowany wariantami o znanym znaczeniu;
• przewiduje fenotyp związany z chorobą.

Nadekspresja cDNA może ominąć splicing, promotory i kontrolę dawki. Reporter z krótkim fragmentem enhancera może nie zachować architektury chromatyny. Knockout całego genu nie jest równoważny subtelnej zmianie missense. Model myszy może nie odtworzyć ludzkiej izoformy.

Silniejszy schemat przyczynowy obejmuje:

1. wprowadzenie wariantu do izogenicznej linii;
2. odtworzenie przewidywanego skutku molekularnego;
3. uzyskanie fenotypu komórkowego;
4. naprawę wariantu i odwrócenie fenotypu;
5. zgodność z danymi osób i modelem dziedziczenia.

Nie zawsze da się wykonać wszystkie kroki, ale ten model pokazuje, czego brakuje.

Warianty w edycji genomu: nie wystarczy sprawdzić zamierzonej litery

Po CRISPR poprawny chromatogram w miejscu cięcia nie dowodzi poprawnego klonu. Należy rozważyć:

• zamierzoną zmianę obu lub jednej kopii;
• małe indele przy miejscu cięcia;
• duże delecje sięgające poza amplicon;
• inwersje i translokacje;
• utratę allelu przez brak amplifikacji;
• integrację matrycy lub wektora;
• zmiany off-target;
• mozaikę linii;
• zmiany liczby chromosomów;
• selekcję istniejącego subklonu.

Szczególnie zdradliwe jest allele dropout. Jeżeli jedna kopia locus uległa dużej delecji obejmującej primer, PCR amplifikuje tylko drugą. Sekwencja wygląda czysto i może być błędnie odczytana jako homozygotyczna naprawa. Niezależny pomiar liczby kopii i primery położone dalej ujawniają problem.

Minimalny rozsądny pakiet zależy od zastosowania, ale może obejmować:

• głębokie sekwencjonowanie ampliconu;
• fazowanie wariantów;
• pomiar liczby kopii;
• dłuższe PCR lub długie odczyty;
• analizę przewidywanych off-targetów;
• kariotyp albo metodę genomową;
• test funkcjonalny;
• porównanie kilku niezależnych klonów.

W terapii wymagania są wyższe niż w eksploracyjnym eksperymencie. Niepożądany wariant obecny w jednym klonie badawczym można ominąć, wybierając inny; produkt podawany człowiekowi wymaga zwalidowanego procesu, kryteriów zwolnienia i oszacowania rzadkich zdarzeń.

Warianty w klonowaniu i liniach komórkowych

Klon komórkowy nie jest gwarancją niezmiennego genomu. Pochodzi od jednej komórki w sensie genealogicznym, ale podczas namnażania powstają nowe warianty. Wczesne zdarzenie może zająć większość hodowli, a późne pozostać w subklonie.

W SCNT genom jądrowy dawcy przechodzi przez manipulację, przeprogramowanie i intensywne podziały zarodkowe. Różnice między dawcą a potomkiem mogą pochodzić z:

• wcześniejszego mozaicyzmu tkanki dawcy;
• wariantu obecnego tylko w wybranej komórce;
• nowych błędów podczas hodowli i rozwoju;
• mtDNA oocytu;
• heteroplazmii;
• zmian epigenetycznych, które nie są wariantami sekwencji.

Dlatego „genetycznie identyczny” powinno znaczyć zgodność w określonym zakresie testu, a nie absolutną tożsamość każdej cząsteczki DNA.

W banku komórek przydaje się rozdzielenie:

• tożsamości próbki;
• zgodności z linią rodzicielską;
• stabilności kariotypu;
• obciążenia SNV/indel;
• zmian liczby kopii;
• pochodzenia mtDNA;
• stanu epigenetycznego.

Każdy poziom wymaga innego pomiaru.

Warianty w genetyce sądowej

Profil sądowy nie jest pełnym opisem genomu. Typowy zestaw STR wybiera loci o dużej zmienności i interpretuje długości alleli w kontekście częstości populacyjnych. SNP, markery chromosomu Y i mtDNA odpowiadają na inne pytania.

Te same problemy techniczne przybierają szczególnie ważną formę:

• drop-out — niewykrycie allelu;
• drop-in — dodatkowy sygnał niezwiązany z główną próbką;
• stutter — produkt różniący się powtórzeniem;
• degradacja — utrata dłuższych amplikonów;
• mieszanina — nakładanie profili kilku osób;
• niski poziom DNA — większa losowość amplifikacji;
• pokrewieństwo — zależność alleli niezgodna z założeniem przypadkowych osób.

O zgodności profilu nie wnioskuje się jak o diagnozie klinicznej. Oblicza się siłę dowodu pod dwiema hipotezami, zwykle za pomocą ilorazu wiarygodności. „Rzadki wariant” i „patogenny wariant” są tu niemal nieistotnymi kategoriami; liczy się dyskryminacja, model populacyjny i jakość śladu.

W bazach genealogicznych lub fenotypowaniu sądowym używa się znacznie szerszych zestawów markerów, co zwiększa potencjał informacyjny i ryzyko dla prywatności. Oddzielna kategoria serwisu rozwija te zagadnienia bez mieszania probabilistycznej identyfikacji z interpretacją medyczną.

Przykłady uczące różnych klas problemu

HBB: mała zmiana, duży skutek

Wariant missense w HBB związany z hemoglobiną S zmienia jeden aminokwas beta-globiny. W określonym stanie fizykochemicznym sprzyja polimeryzacji hemoglobiny, deformacji erytrocytów i całej kaskadzie skutków tkankowych. Przykład pokazuje, jak jeden SNV może zmienić właściwość białka, komórki i organizmu.

Nie oznacza to jednak, że każdy missense działa podobnie. Siła wniosku pochodzi z połączenia biochemii, genotypu, dziedziczenia i fenotypu, a nie z samego faktu zamiany aminokwasu.

CFTR: jeden gen, wiele mechanizmów

W CFTR opisano warianty zmieniające splicing, fałdowanie, transport do błony, przewodnictwo kanału i ilość produktu. Częsta delecja trzech nukleotydów usuwa jeden aminokwas bez przesunięcia ramki, lecz poważnie zaburza dojrzewanie białka.

Ten przykład ostrzega przed schematem „frameshift groźny, in-frame łagodny”. Klasa zapisu nie zastępuje mechanizmu.

CYP2D6: warianty sekwencji i liczby kopii tworzą haplotyp

Locus CYP2D6 ma podobny pseudogen, rekombinacje, delecje, duplikacje i allele z wieloma wariantami. Samo wykrycie jednego SNV nie zawsze określa funkcję. Trzeba ustalić haplotyp, liczbę kopii oraz to, która kopia została powielona.

Jest to modelowy przykład ograniczeń prostych paneli i znaczenia fazowania. CN=3 nie mówi, czy dodatkowa kopia ma normalną, obniżoną czy zerową aktywność.

Delecja 22q11.2: podobny region, różny fenotyp

Nawracające delecje mogą powstawać przez NAHR między podobnymi powtórzeniami. Osoby z nakładającym się CNV mogą różnić się zakresem objawów wskutek dokładnych granic, innych wariantów, tła genetycznego i czynników rozwojowych.

Znalezienie nazwy zespołu nie zamyka interpretacji. Potrzebne są granice, geny, badanie rodziców, ocena fenotypu i świadomość zmiennej ekspresywności.

Schemat pracy z nowym wynikiem

1. Zdefiniuj próbkę i pytanie

Czy badamy wariant konstytucyjny, guz, mieszaninę sądową, linię po edycji czy klon SCNT? Jaki materiał pobrano, ile komórek reprezentuje i kiedy?

2. Ustal zakres techniczny

Jakie regiony i klasy wariantów metoda potrafi wykryć? Gdzie ma luki? Czy mierzy liczbę kopii i fazę? Jaka jest granica mozaiki?

3. Sprawdź jakość sygnału

Obejrzyj pokrycie, jakość zasad, balans alleli, mapowanie, odczyty złączy i próbki kontrolne. Nie ograniczaj się do etykiety PASS.

4. Znormalizuj i nazwij wariant

Podaj wersję referencji, dokładne allele, transkrypt i zapis HGVS, jeśli jest potrzebny. Połącz rekordy należące do jednego haplotypu.

5. Potwierdź klasę i strukturę

Wybierz metodę odpowiadającą ryzyku błędu. Dla CNV ustal liczbę kopii i możliwie granice; dla SV — orientację oraz złącza; dla mozaiki — udział i tkanki.

6. Określ pochodzenie

Porównaj materiał prawidłowy i zmieniony, rodziców albo wcześniejszy pasaż. Rozważ zanieczyszczenie, klonalną hematopoezę i selekcję hodowlaną.

7. Zbierz niezależne linie dowodów

Uwzględnij populację, segregację, funkcję, mechanizm genu, przypadki i literaturę. Nie licz kilku predyktorów opartych na podobnych danych jako całkowicie niezależnych.

8. Oddziel klasyfikację od decyzji

Zapisz, co wiadomo o wariancie, co znaczy dla tej osoby lub linii oraz jaka decyzja z tego wynika. Każdy poziom ma inne źródła niepewności.

9. Zachowaj możliwość ponownej analizy

Wersje baz, transkryptów i kryteriów się zmieniają. Archiwizuj surowe dane, wersję pipeline'u, referencję i uzasadnienie klasyfikacji.

Najczęstsze błędy rozumowania

1. „Różny od referencji, więc nieprawidłowy.” Referencja jest układem współrzędnych, nie wzorcem zdrowia.
2. „Jest w dbSNP, więc łagodny.” Baza rejestruje warianty; identyfikator nie jest klasyfikacją.
3. „Synonimiczny, więc bez skutku.” Możliwy jest wpływ na RNA, splicing i regulację.
4. „Duży, więc groźniejszy.” Skutek zależy od zawartości i kontekstu, nie tylko liczby zasad.
5. „Zrównoważony, więc obojętny.” Złącza i pozycja mogą zaburzyć gen lub regulację.
6. „50% VAF oznacza wariant w połowie komórek.” W diploidalnym locus może to być zwykła heterozygota obecna we wszystkich komórkach.
7. „Prawidłowe NGS wyklucza CNV i SV.” Zależy od projektu, pokrycia i pipeline'u.
8. „Potwierdziliśmy tym samym PCR.” Wspólny błąd, na przykład dropout, może się powtórzyć.
9. „Patogenny wariant wyjaśnia pacjenta.” Potrzebna jest zgodność fenotypu, dziedziczenia i genotypu.
10. „VUS należy leczyć jak wynik dodatni.” Niepewność nie jest pośrednim stopniem patogenności.
11. „Edycja jest poprawna, bo zmieniono cel.” Należy sprawdzić pełny rozkład produktów oraz stabilność genomu.
12. „Klon jest jednorodny.” Nowe warianty i selekcja powstają podczas namnażania.

Co warto umieć po przeczytaniu

Czytelnik powinien potrafić:

• odróżnić SNV od SNP;
• wyjaśnić, dlaczego granica między indelem i SV jest techniczna;
• rozdzielić liczbę kopii od lokalizacji kopii;
• wskazać skutek utraty dawki, przerwania genu i efektu pozycji;
• zrozumieć, dlaczego jeden wariant ma kilka zapisów;
• dobrać metodę do klasy wariantu;
• nie mylić ujemnego wyniku z brakiem zmiany;
• odróżnić wariant germinalny, somatyczny, de novo i mozaikowy;
• oddzielić detekcję, klasyfikację i decyzję;
• zaplanować kontrolę linii po edycji genomu.

To przygotowuje do dalszych artykułów o mejozie i haplotypach, sekwencjonowaniu, interpretacji wariantów, edycji genomu oraz genetyce sądowej.

Literatura i źródła