Entendendo mutação genética na prática
A mutação genética é uma alteração na sequência de nucleotídeos do DNA. Isso parece simples até você precisar analisar um resultado de sequenciamento e perceber que a nomenclatura varia dependendo de qual convenção o laboratório usou. Vou explicar direto, sem rodeio. O conceito básico é: o DNA é feito de quatro bases (A, T, C, G), e mutações são mudanças nessa ordem. Pode ser uma substituição, uma inserção, uma deleção. A terminologia padrão da HGVS (Human Genome Variation Society) define isso com precisão cirúrgica. Um variant reporter vai te dizer algo como c.1521_1523delCTT, que significa uma deleção de três bases no nível do RNA mensageiro. Se você não sabe ler isso, está cego na hora de interpretar laudos genéticos.
Mutação genética o que é: além da definição de livro didático
A maioria dos guias para leigos para pela classificação clássica: mutações sinônimas, missense, nonsense, frameshift. Tudo certo. O problema é que a realidade clínica raramente se encaixa nessas categorias de forma limpa. Já vi casos em que uma variante classificada como VUS (variante de significado incerto) por um pipeline automatizado mostrou-se patogênica quando analisada com filogenia de famílias múltiplas. O banco de dados gnomAD podia reportar frequência de 0,01%, o que soa raro, mas dentro de uma árvore genealógica com histórico de câncer de mama precoce, aquela variante no BRCA2 passava a ter peso completamente diferente. Uma coisa que poucos mencionam: variantes intrônicas não são necessariamente inofensivas. Splice site variants em regiões conspícuas podem causar exon skipping ou ativacao de sites crypticos de splice. Já perdi tempo investigando um caso em que uma mutação no intron 4 do gene MLH1 parecia benigna pelo sequenciamento Sanger tradicional, mas um assay de minigene mostrou perda completa de splicing correto. O diagnóstico de Lynch foi confirmado.
Como identificar e interpretar variantes na prática
O fluxo real de trabalho começa com o sequenciamento. Hoje em dia, a maioria dos laboratórios usa NGS (sequenciamento de nova geração) em painéis de genes, exoma completo ou genoma completo. Cada abordagem tem limitações diferentes que todo mundo esquece de considerar. Painéis de genes são mais baratos e geram menos achados incidentais, mas claramente deixam passar variantes em genes fora do painel. Exoma cobre melhor o código mas ignora regiões regulatórias no genoma não codificante. Genoma completo resolve isso parcialmente, mas a análise computacional é muito mais pesada e os falsos positivos em regiões repetitivas continuam sendo um problema real.
Depois do sequenciamento, vem o passo mais crítico e onde a maioria dos erros acontece: o calling de variantes. Variant callers como GATK HaplotypeCaller ou DeepVariant têm taxas de erro diferentes dependendo do tipo de variante. Inserções e deleções em regiões homopoliméricas são especialmente problemáticas em plataformas Illumina. Já vi laboratórios reportarem variantes frameshift que na verdade eram artefatos de alinhamento. O workaround que uso é sempre pedir confirmação por Sanger quando a variante proposta está em região de repetição ou homopolímero com mais de 6 nucleotídeos idênticos. A anotação das variantes usa ferramentas como ANNOVAR, SnpEff ou VEP. Elas cruzam o variant com bancos de dados como ClinVar, OMIM, gnomAD, LOVD. O problema é que o ClinVar tem variações enormes entre submissões. Uma variante pode ser classificada como patogênica por um grupo e benigna por outro. Sempre cheque a estrela de significância do ClinVar e consulte as submissões individuais, não confie apenas na classificação consolidada.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Pitfalls comuns que custam tempo e dinheiro
Um erro frequente é confiar cegamente nas pontuações de predição computacional. Variantes com scores altos de SIFT, PolyPhen-2 ou CADD não são automaticamente patogênicas. Essas ferramentas foram treinadas em dados limitados e têm taxa alta de falso positivo para variantes rareiras que nunca apareceram nos conjuntos de treinamento. O contrário também vale: scores baixos não descartam patogenicidade, especialmente para variantes que afetam splicing ou regulação. Outro problema sério é a herdabilidade de variantes de penetrância incompleta. Na prática clínica, você encontra famílias onde a variante patogênica conhecida está presente em membros sadios e ausente em membros afetados. Isso não significa necessariamente que a variante está errada. Penetrância reduzida, modificadores genéticos e fatores ambientais podem explicar a discrição. O ACMG tem diretrizes sobre como interpretar esses casos, mas na prática muitos laboratórios ainda classificam erroneamente como VUS simplesmente porque o fenótipo não se encaixa perfeitamente.
Variantes de número de cópias (CNVs) são outra armadilha. Many NGS pipelines simply don't detect CNVs reliably. Se você está analisando um gene onde deletions e duplicações são mecanismos patogênicos conhecidos (como no gene DMD na distrofia de Duchenne), um painel NGS sem análise específica de CNV vai deixar essas variantes passarem. O complemento obrigatório é MLPA ou qPCR para validação de CNVs, dependendo do gene em questão.
Quando a interpretação falha completamente
É importante ser honesto sobre o que a genética molecular atualmente não resolve bem. Variantes em regiões não codificantes profundas, especialmente em enhancers distais e regiones intergênicas, ainda são extremamente difíceis de interpretar. Um variant puede estar a 50kb do gene candidato e afetar sua expressão, mas nenhuma ferramenta atual consegue prever isso com confiança. Nesses casos, a única abordagem válida é estudo funcional ou segregação familiar, quando possível. Outro limite claro é a variação estrutural complexa. Balanced translocations, inversions e rearranjos complexos são quase invisíveis para o sequenciamento de íssimos reads padrão. Você precisa de abordagens alternativas como sequenciamento de longo alcance (PacBio, Oxford Nanopore) ou karyotyping com FISH. Já lidamos com um caso de infertilidade masculina em que o sequenciamento do exoma de um painel de infertilidade era completamente normal. Só um baordo karyótico revelou uma translocação equilibrada envolvendo o cromossomo Y que estava interrompendo regiões críticas para espermatogênese.
Para análise prática de mutação genética o que é de fato relevante no dia a dia clínico, a recomendação é: use painéis validados com análise integrada de SNVs e CNVs, confirme variantes suspeitas em regiões problemáticas com métodos ortogonais, e sempre corrobore achados inesperados com análise de segregação familiar quando o histórico clínico justificar. Nenhuma ferramenta computacional substitui o julgamento clínico contextualizado.
