Introducción a la secuencia profunda

Secuencia profunda, a menudo sinónimo de secuencia de alta velocidad, describe el proceso de lectura de una muestra de ADN o ARN muchas veces para lograr una alta profundidad de cobertura por base. Esta lectura repetida no es redundante: proporciona el poder estadístico necesario para distinguir las variantes raras genuinas de errores de secuenciación.El concepto surgió con el advenimiento de las plataformas de secuenciación de próxima generación (NGS)

La importancia de encontrar variantes raras —las que ocurren en menos del 1% de una población o en fracciones clonales bajas dentro de un individuo— no puede ser exagerada. En el cáncer, por ejemplo, las mutaciones de conductor a menudo existen como subclones menores que pueden sembrar resistencia a la terapia. En las enfermedades genéticas raras, las variantes heterocigousspec o mutaciones de mosaico pueden explicar casos en que la secuenciación clínica estándar de resultados negativos.

Principales avances tecnológicos

Plataformas de secuenciación de próxima generación

Las plataformas modernas de NGS difieren en longitud de lectura, rendimiento, costo por base y perfiles de errores, pero todos han mejorado notablemente en su capacidad de ofrecer una cobertura profunda y precisa. La química de Illumina sequencing‐por combinación-synthesis (SBS) sigue siendo el equipo de trabajo dominante para estudios de variantes raras debido a sus bajas tasas de error de base (~0.1% para la mayoría de instrumentos)

Identificadores moleculares únicos (UMIs) y corrección de errores

Un UMI de alto nivel se puede comparar con un protocolo de doble frecuencia de la serie de datos de la serie de datos de la serie de datos de la serie de datos de la serie de datos de la serie de datos de la serie de datos de la serie de datos de la serie de datos de la serie de datos de la serie de datos de la serie de datos de la serie de datos de la serie de datos

Algoritmos bioinformáticos avanzados

Los datos brutos de los experimentos de secuenciación profunda son inútiles sin tuberías computacionales robustas. Las herramientas modernas de bioinformática han evolucionado para abordar específicamente los desafíos de la detección de variantes raras.

  • Denoizar algoritmos: Herramientas como Strelka2, Mutect2, y Vardict incorporan la recalibración de puntuación de calidad base y sesgo de orientación filtrando para reducir falsos positivos de artefactos de secuenciación sistemática.
  • Error modelado con UMIs: El software como fgbio y smCounter2 utiliza el consenso UMI para colapsar lecturas duplicadas y crear secuencias de consenso corregidas por error.
  • ]Clasificadores de aprendizaje automático: Las redes neuronales profundas, incluidas las que se entrenan en las variantes conocidas de grandes consorcios, pueden distinguir las mutaciones raras genuinas de ruidos específicos de plataforma mejor que los umbrales heurísticos. Por ejemplo, Clair3 y DeepVariant han sido adaptados para datos ultra-deep y muestran tasas de falso positivo reducidas.
  • Llamada de alta definición: Métodos que la fase se lee en haplotipos (como WhatsHap y LongPhase) mejora la sensibilidad para las variantes heterocigous compuestos y ayudan a resolver las variantes de baja frecuencia en las regiones repetitivas.

Juntos, estas herramientas permiten a los investigadores reportar con confianza las variantes presentes en las VAFs tan bajas como el 0,01% cuando la profundidad de secuenciación es suficiente y las UMIs son empleadas. Sin ellas, el volumen masivo de datos de secuenciación profunda —a menudo terabytes por experimento— sería inmanejable.

Aplicaciones en Medicina e Investigación

Enfermedades raras Genéticas

Enfermedades raras, definidas como condiciones que afectan a menos de 1 en 2.000 personas, son colectivamente comunes, afectando a una detección de 300 millones de personas en todo el mundo. Muchas son causadas por variantes ultra-plora que no se capturan por secuencias estándar de exomios a 30× a 50× profundidad.

Genómica del cáncer y Biopsia líquida

El cáncer es una enfermedad de inestabilidad genómica, donde los tumores contienen poblaciones heterogéneas de células que llevan mutaciones distintas.La secuenciación profunda de las biopsias tumorales en cientos a miles de coberturas de pliegues revela subclones menores que pueden albergar mutaciones de resistencia a terapias focalizadas.

Population Genetics and Evolutionary Studies

La secuenciación profunda de las poblaciones grandes ha transformado nuestro entendimiento de la diversidad genética humana. El proyecto de 1000 Genomes y la base de datos de agregación genómica (normad) han catalogado millones de variantes raras, pero la mayoría de ellas se basan en la secuenciación de profundidades de 30–100×.

Desafíos en curso

Gestión de datos y almacenamiento

La explosión de la profundidad de secuenciación produce aumentos proporcionales en el volumen de datos. Un único exoma humano secuenciado a 500× puede generar 50–100 gigabytes de archivos FASTQ crudos, mientras que un genoma entero a 100× supera los 200 gigabytes. Almacenamiento, transferencia y análisis de estos conjuntos de datos requieren una infraestructura computacional significativa que no está disponible para todos los laboratorios.

Precisión frente al costo

Aunque los costos de secuenciación han disminuido drásticamente (de $10 millones por genoma en 2007 a cerca de $600 hoy), la secuencia ultra-deep para la detección de variantes raras todavía requiere gastos adicionales: múltiples carreras de células de flujo, preparaciones de biblioteca UMI y recursos computacionales avanzados. Para muchas aplicaciones clínicas, la pregunta es si el beneficio marginal de aumentar la profundidad de 500× a 5,000× justifica el aumento de diez veces en el costo.

Variedades de la fisia de haplotipos y estructurales

La mayoría de las plataformas de secuenciación profunda producen lecturas cortas (150–300 bp) que raramente abarcan heplotipos enteros o variantes estructurales complejas (SVs). Esta limitación dificulta determinar si dos variantes raras residen en el mismo cromosoma (en cis) o en diferentes copias (en trans), que es esencial para interpretar heterocigosidad compuesta en enfermedades recesivas.

Future Directions

Integración de la secuencia de lectura larga

Las tecnologías de secuenciación largas de Pacific Biosciences (HiFi lee, ~15–25 kb) y Oxford Nanopore (reads exceeding 100 kb) se utilizan cada vez más en combinación con datos de lectura corta profunda. Larga lectura natural de las variantes de diagnóstico de baja intensidad y puede detectar directamente las variantes estructurales y las expansiones repetitivas que son invisibles a plataformas de lectura corta.

Aprendizaje de Máquinas para Interpretación Variante

Más allá de la detección, el significado clínico de las variantes raras debe ser interpretado. Los modelos de aprendizaje automático formados en bases de datos grandes y curadas (ClinVar, gnomAD) ahora superan los sistemas tradicionales basados en reglas para predecir patogenicidad. Herramientas como PrimateAI, EVE y SpliceAI utilizan redes neuronales profundas para evaluar las variantes de falta de sentido, especindidas y regulatorias.

Dispositivos portátiles y de punto de cuidado

Los dispositivos de secuenciación miniatura, especialmente la MinION y Flongle de Oxford Nanopore, han permitido realizar secuencias profundas en entornos remotos o limitados por recursos. Estos dispositivos se han utilizado para la vigilancia del genoma viral en tiempo real (por ejemplo, Ebola, SARS-CoV‐2), detección de bacterias resistentes a los antibióticos en hospitales de campo, y el genotipado rápido 1%

Conclusión

Los avances en tecnologías de secuenciación profunda han alterado fundamentalmente el paisaje de detección de variantes raras.Las plataformas de alto rendimiento, los códigos de barras moleculares y los algoritmos de bioinformática sofisticados permiten a los investigadores y los médicos identificar mutaciones en frecuencias aléreas inferiores al 0,01% con alta confianza.