Tecnologias de sequenciamento de leitura longa transformaram fundamentalmente a genômica, permitindo o interrogatório de genomas complexos com uma resolução anteriormente inalcançável com métodos de leitura curta. Ao ler fragmentos contínuos de DNA dezenas a centenas de milhares de pares de bases de comprimento, essas técnicas capacitam os cientistas para resolver regiões repetitivas, detectar grandes variantes estruturais e haplótipos de fase com alta confiança. Este artigo revisa as últimas técnicas emergentes em sequenciamento de leitura longa, examinando as inovações tecnológicas, avanços computacionais e abordagens integrativas que estão expandindo as fronteiras da análise do genoma.

Avanços recentes em plataformas de sequência de leitura longa

Os últimos anos têm testemunhado progressos notáveis na química, hardware e software subjacentes ao sequenciamento de longa leitura. Os fabricantes-chave introduziram novos reagentes, células de fluxo e sistemas de imagem que aumentam substancialmente o comprimento de leitura, precisão de chamada de base e rendimento global. Por exemplo, a última geração de sequenciamento em tempo real de única molécula (SMRT) da Pacific Biosciences (PacBio) agora atinge rotineiramente comprimentos médios de leitura superiores a 15 quilobases, enquanto a Oxford Nanopore Technologies (ONT) demonstrou leituras superiores a 2 megabases. Estas leituras estendidas são fundamentais para cobrir características genômicas complexas, como centrosméres, telômeros e duplicações segmentares, que muitas vezes resistem à montagem de leituras curtas sozinhas.

Os aprimoramentos nos protocolos de preparação de bibliotecas contribuem ainda para a qualidade dos dados. Métodos que minimizam danos ao DNA, reduzem a fragmentação e otimizam o carregamento molecular têm demonstrado aumentar tanto o rendimento quanto o comprimento das leituras longas. Para o PacBio, a adoção do fluxo de trabalho “HiFi” (alta fidelidade) usa sequenciamento de consenso circular (CCS) para gerar um único e altamente preciso consenso lido a partir de múltiplos passes da mesma molécula de modelo circularizada. Esta abordagem reduz drasticamente as taxas de erro de >10% em leituras longas brutas para <0,1%, produzindo leituras que são longas e precisas. Da mesma forma, o ONT melhorou sua química de biblioteca – como o kit de sequenciamento de ligações e kit de sequenciamento rápido – para reduzir artefatos quiméricos e melhorar as taxas de passagem no poro.

Do lado computacional, algoritmos de chamada de base evoluíram de modelos simples ocultos de Markov para arquiteturas de rede profunda-neural (por exemplo, Guppy, Bonito e o recém-lançado Dorado). Estes modelos são treinados em grandes conjuntos de dados para corrigir erros sistemáticos, como imprecisões de comprimento de homopolímero, e para chamar bases modificadas diretamente do sinal bruto. O resultado é uma melhoria dramática na precisão de consenso sem sacrificar o comprimento de leitura. Técnicas emergentes também alavancam o aprendizado de máquina para filtrar leituras de baixa qualidade, detectar pontos de ruptura de variantes estruturais e até mesmo prever estados de metilação de DNA da mesma sequência.

Tecnologias-chave que impulsionam a inovação

Sequenciamento de HiFi PacBio

O sequenciamento HiFi da PacBio, fornecido comercialmente nos sistemas Sequel IIe e Revio, representa uma mudança de paradigma na precisão de leitura longa. Ao circular cada molécula de DNA e sequenciar-a várias vezes (tipicamente 15-30 passes), a tecnologia produz um consenso que alcança uma precisão >99,9% mesmo em regiões repetitivas. Os comprimentos de leitura HiFi típicos variam de 10 a 25 quilobases, embora os protocolos possam ser sintonizados para produzir fragmentos mais longos em detrimento da produtividade. Esta combinação de comprimento e precisão faz com que o HiFi leia ideal para montagem do genoma de novo, onde podem produzir conjuntos contíguos com valores médios de N50 contíguos superiores a 50 megabases em genomas altamente polimórficos ou ricos em repetição.

As inovações recentes na química do PacBio – como a melhoria das enzimas polimerase que incorporam nucleotídeos mais rapidamente e com maior fidelidade, e a refinação da óptica de processamento de sinais que reduzem o ruído – colocaram uma pressão mais elevada sobre a produtividade e a qualidade. O sistema Revio, introduzido em 2022, utiliza uma nova célula SMRT capaz de gerar até 130 gigabases de dados HiFi por célula, tornando o genema HiFi inteiro uma realidade em uma única corrida de células de fluxo. Isto abriu a porta para estudos em escala populacional de variação estrutural e genômica rara de doenças, onde informações de alta qualidade e longo alcance são cada vez mais reconhecidas como essenciais.

Tecnologias de Oxford Nanopore

As plataformas de Oxford Nanopore (Minion, Gridion, PromethION) oferecem uma abordagem distintamente complementar: sequenciamento em tempo real de fios de DNA ou RNA nativo, não modificado, ao passarem por um nanoporo de proteínas. A marca da tecnologia é sua capacidade de produzir leituras ultra-longas, com algumas experiências produzindo moléculas superiores a 2 milhões de pares de bases. Essas leituras são instrumentais para regiões altamente repetitivas, como satélites centroméricos e matrizes de DNA ribossomais, e para resolver variantes estruturais complexas que são invisíveis a abordagens curtas.

O sequenciamento de Nanopore tem observado melhorias rápidas na precisão por base através de melhores configurações de poros, proteínas motoras otimizadas e algoritmos de chamada de base sofisticados. Os últimos poros R10.4.1, combinados com os modelos de chamada de base de alta precisão no software Dorado, conseguem rotineiramente médias precisãos de leitura acima de 99,5% (Q20+) em leituras moderadas. Além disso, a capacidade de detectar bases modificadas – como 5-metilcitosina, 5-hidroximetilcitosina e 6-metiladenina – a partir do mesmo sinal elétrico sem preparação de amostra adicional fez de Nanopore uma ferramenta poderosa para análise genética e epigenética integrada.

As técnicas emergentes na tecnologia de nanoporos incluem abordagens “Read Until” que permitem a seleção de alvos em tempo real, onde a execução de sequenciamento pode ser dinamicamente orientada para enriquecer regiões de interesse. Além disso, adaptadores e esquemas de codificação de barras agora permitem multiplexamento de alta produtividade de centenas de amostras por célula de fluxo, reduzindo muito os custos por amostra e tornando o sequenciamento de longa leitura acessível para aplicações clínicas e baseadas em campo.

Técnicas emergentes e orientações futuras

Abordagens de montagem híbrida

Embora tanto o PacBio HiFi como o ONT possam produzir de forma independente conjuntos de alta qualidade, muitos pesquisadores estão adotando estratégias híbridas que combinam o melhor de ambas as plataformas.A abordagem mais comum usa o HiFi reads (alta precisão, comprimento moderado) como espinha dorsal para formação contígua, em seguida, andaimes e preenche lacunas com leituras de Nanopore ultralongas. Ferramentas como shasta[, canu[, ]hifiasm e verkko[[] foram desenvolvidos para lidar com esses conjuntos de entrada híbrida, produzindo frequentemente conjuntos contíguos e altamente precisos. Trabalhos recentes sobre o genoma humano completo (o consórcio Telomere-to-Telomere)] foram desenvolvidos para resolver lacunas previamente irresolvíveis em centrosmers, duplicações segíveis e matrizes de DNA.

Algoritmos computacionais para Correção de Erros e Montagem

Os perfis de erros de leituras longas diferem fundamentalmente de leituras curtas, necessitando de algoritmos especializados. Novas ferramentas de correção de erros, como medaka[ (para ONT) e pbmm2 / ccs[ (para PacBio), foram refinados para alavancar as regiões de alta qualidade de cada leitura para melhorar o consenso em todo o conjunto de dados. Para montagem, as abordagens baseadas em gráficos que representam todo o conjunto de leituras como um gráfico de cordas ou um gráfico de Bruijn foram adaptadas para leituras longas. O miniasm[[ e ] flyeflye montadores, por exemplo, produzem montagens de projetos de leituras não corrigidas que podem ser polidas com dados HiFi. Modelos de aprendizagem profunda são cada vez mais utilizados para resolver caminhos ambíguos através do gráfico,

Além da montagem, os pipelines computacionais para detectar variantes estruturais (SVs) de leituras longas amadureceram. Chamadores como Sniffles2, Picky[, e cuteSV[ empregam agrupamento de leitura de ponto de interrupção e alinhamento de sequência para identificar deleções, duplicações, inversões, translocações e inserções de elementos móveis. Estas ferramentas agora alcançam sensibilidade >95% para SVs >50 bp, uma melhoria dramática sobre chamadas SV baseadas em leitura curta, que muitas vezes falha eventos em regiões repetitivas.

Integração com a Análise Epigenômica

Uma das técnicas emergentes mais excitantes é o interrogatório simultâneo da sequência do genoma e do epigenoma de um único conjunto de dados de longa leitura. A detecção directa de modificações do ADN por Nanopore amadureceu até um ponto em que é possível estimar o nível de metilação quantitativa em resolução de base única. O sequenciamento HiFi, embora não detecte alterações no sinal bruto, pode ser combinado com a conversão de bissulfito ou com abordagens sensíveis à metilação enzimática para proporcionar perfis epigenómicos de longa leitura. Esta integração está a provar ser inestimável na genómica do cancro, onde as variações estruturais em grande escala são frequentemente acompanhadas por uma reprogramação epigenética generalizada. As abordagens de longa leitura podem agora fases tanto alterações genéticas como epigenéticas ao longo de haplótipos individuais, revelando como os padrões de metilação são propagados e alterados através de rearranjos estruturais.

Sequência direta de RNA e transcritomia

Oxford Nanopore também oferece sequenciamento direto de RNA (DRS), que sequencia moléculas de RNA nativas sem transcrição reversa ou amplificação. Esta técnica preserva modificações de RNA (por exemplo, m6A, pseudouridina) e fornece informações de isoforma transcrito de comprimento completo. As melhorias emergentes incluem maior rendimento, melhor sensibilidade de poros para RNA, e modelos de chamada de base treinados especificamente para detecção de modificação de RNA. Seqüenciamento direto de RNA está abrindo novas janelas em splicing alternativo, análise de comprimento de cauda poli-A, e o impacto funcional da edição de RNA em transcritomas complexos.

Aplicações em Análise de Genoma Complexo

Conjunto Genoma completo e projetos T2T

O consórcio Telomere-to-Telomere (T2T) a conquista da primeira sequência genológica humana verdadeiramente completa em 2022 é uma demonstração marcante do poder de sequenciamento de longa data. Ao combinar >30× cobertura de leituras HiFi e >70× cobertura de leituras ultra-longas de Nanopore (e usando curadoria manual com mapas ópticos), a equipe resolveu todas as lacunas, incluindo o cromossomo Y desafiador. Estão em curso esforços semelhantes para muitas outras espécies, desde plantas de cultivo a mamíferos ameaçados. Técnicas emergentes em metagenômicas de longa leitura também estão permitindo a reconstrução de genomas completos e circulares de micróbios previamente não caracterizados em amostras ambientais complexas.

Descoberta de Variantes Estruturais na Doença Humana

Seqüenciamento de longa leitura tornou-se o padrão ouro para descobrir e caracterizar variantes estruturais (VS) em genomas humanos. Estudos catalogaram dezenas de milhares de SVs por genoma, muitos dos quais são perdidos ou mal resolvidos por leituras curtas. As técnicas emergentes agora permitem mapeamento de pontos de interrupção precisos mesmo em duplicações segmentares e repetições de baixa complexidade. Em contextos clínicos, sequenciamento de longa leitura está sendo usado para resolver “mistérios genômicos” em pacientes com doenças raras que eludem o exoma padrão ou sequenciamento de genoma. A capacidade de detectar variantes de fase completa e heterozigosidade composta ou eventos estruturais de novo está conduzindo rendimentos diagnósticos para cima.

Genética da População e Estudos Evolucionários

Os genomas de referência de alta qualidade gerados por conjuntos de longa leitura permitem análises genómicas comparativas mais precisas entre populações e espécies. Por exemplo, em grandes macacos, a sequenciação de longa leitura revelou expansões específicas de linhagens de famílias de genes e retrotransponentes que são invisíveis a abordagens de curta leitura. Da mesma forma, em plantas com genomas grandes e ricos em repetição (por exemplo, trigo, milho, coníferas), a sequenciação de longa leitura permitiu os primeiros levantamentos abrangentes de variação estrutural associados à domesticação e adaptação. Técnicas emergentes como estudos “pan-genome” – onde várias assembleias longas de indivíduos diferentes são comparadas diretamente – estão fornecendo uma imagem mais completa da diversidade genômica dentro de uma espécie.

Genomia do câncer e biópsia líquida

As técnicas de longa leitura são cada vez mais aplicadas aos genomas cancerígenos, onde são comuns rearranjos maciços, alterações de número de cópias e alterações epigenéticas. Estudos utilizando leituras longas identificaram fusões genéticas previamente ocultas e DNA circular extracromoso (ECDNA) que impulsionam a oncogênese. Na biópsia líquida, o sequenciamento de nanoporos de DNA livre de células circulantes (cfDNA) pode detectar variantes estruturais específicas do tumor e padrões de metilação com alta sensibilidade. Métodos emergentes para sequenciamento de leitura longa direcionado em biópsia líquida são promissores para monitoramento não invasivo do câncer e detecção precoce.

Desafios e Limitações

Apesar destes avanços, a sequenciação de leitura longa enfrenta vários desafios persistentes. A precisão por base, embora melhorada, ainda se desvanece atrás de plataformas de leitura curta (taxa de erro < 0,1% da Illumina) para certos contextos, particularmente em setores homopolímeros e regiões altamente repetitivas. Erros de chamada de base, especialmente no nível individual, podem confundir aplicações de moléculas únicas, como phasing ou metilação, chamando a baixa profundidade. A produtividade e o custo permanecem barreiras para estudos populacionais de grande escala; embora os custos estejam caindo, um genoma humano de leitura longa e de alta profundidade ainda custa mais de 1.000 a 3.000 dólares para HiFi ou Nanopore, em comparação com ~ 200 dólares para um genoma padrão de leitura curta.

A preparação de bibliotecas para leituras ultralongas requer ADN de alto peso molecular, que pode ser difícil de obter a partir de tecidos de tecido parafinados ou degradados (FFPE). A extração de resíduos, fragmentação e danos de DNA durante a extração reduzem a fração de moléculas realmente longas. Técnicas emergentes em extração suave de DNA (por exemplo, usando plugs de agarose ou protocolos baseados em grânulos magnéticos) estão mitigando este problema, mas acrescentam complexidade.

As demandas computacionais também não são triviais. O grande volume de dados de sinal bruto de sequenciadores de nanoporos (ou os grandes arquivos BAM da HiFi) requer armazenamento e processamento substancial. Chamar de base em tempo real, embora possível em uma GPU, consome recursos elétricos e computacionais significativos. Além disso, a montagem de novos de grandes genomas de leituras longas continua sendo uma tarefa computacionalmente pesada, embora as melhorias recentes em algoritmos tenham reduzido tanto o tempo de execução quanto a pegada de memória.

Orientações do Outlook e Futuro

Os próximos cinco anos prometem novos avanços na sequenciação de leitura longa. No lado hardware, novos nanoporos de estado sólido e sensores de circuito integrados podem aumentar drasticamente a produtividade e reduzir custos. Empresas como a PacBio estão desenvolvendo sistemas de bancada que levam a HiFi ao laboratório clínico, enquanto a ONT continua a miniaturizar seus dispositivos para aplicações em campo. Na frente da química, a capacidade de sequenciar modelos mais longos (>2 Mb) sem sacrificar a precisão está sendo ativamente perseguida. Concorrentemente, novos modelos de chamada base alavancando arquiteturas de transformadores e aprendizado auto-supervisionado são esperados para empurrar a precisão de leitura crua para além do Q30 (99,9%) para o nanoporo.

A integração com a transcriptomica espacial e a genômica de células únicas é outra fronteira emergente. Seqüenciamento de longa leitura de células únicas cDNA ou gDNA de células únicas pode fornecer informações de isoformas completas e chamadas de variantes faseadas em resolução celular. O trabalho precoce nesta área mostrou que abordagens híbridas combinando dados de células únicas de leitura longa e curta podem revelar splicing alternativo específico de células e mutações que são perdidas apenas por leituras curtas.

Finalmente, a mudança para genomas de referência “pangenômicos”, onde muitas assembleias de leitura longa de alta qualidade de diferentes indivíduos são analisadas em conjunto, irá fundamentalmente alterar a forma como interpretamos a variação genética humana. A capacidade de detectar raras, grandes SVs e estudar o impacto de expansões repetidas na regulação gênica e doença se tornará rotina à medida que essas técnicas amadurecem. Técnicas de sequenciamento de leitura longa emergentes não estão apenas melhorando as análises genômicas existentes; elas estão permitindo formas inteiramente novas de investigação biológica, desde a orquestração completa de marcas epigenéticas em regiões de megabase até o rastreamento em tempo real de quase-espécie viral em um hospedeiro infectado.

Conclusão

As técnicas emergentes em sequenciamento de longa leitura estão transformando rapidamente nossa capacidade de analisar genomas complexos. Através de avanços em química, hardware e computação, tecnologias como PacBio HiFi e Oxford Nanopore estão agora fornecendo leituras precisas e ultralongas que podem abranger as características genômicas mais recalcitrantes – regiões repetitivas, centrosmeres e grandes variantes estruturais – com fidelidade sem precedentes. As abordagens híbridas e a integração com análise epigenômica estão ampliando ainda mais o escopo de informação obtida de uma única experiência. Embora os desafios permaneçam em custo, rendimento e carga computacional, a trajetória é clara: o sequenciamento de leitura longa se tornará o padrão para a montagem de novo, descoberta de variante estrutural e caracterização abrangente do genoma em ambos os cenários de pesquisa e clínica. À medida que essas técnicas continuam evoluindo, elas prometem desbloquear insights mais profundos sobre a estrutura genética, função e diversidade que impulsionarão avanços na medicina, agricultura e biologia evolutiva.