Avaliação de variantes genéticas no gene regulador da condutância transmembrânica da fibrose cística (CFTR) através de preditores computacionais (in silico)

Abstract

A Fibrose Cística (FC) é uma doença monogênica com padrão de herança autossômico recessivo. Mutações no gene da Condutância Transmembrânica da Fibrose Cística (CFTR) causam alterações no canal de cloreto codificado por esse gene, o que aumenta a viscosidade do muco, levando às manifestações clínicas observadas nos pacientes com FC. Até o momento, mais de 2.000 variantes estão descritas no “Cystic Fibrosis Mutation Database” e quase 40% delas causam a substituição de um aminoácido por outro. Como a maioria dessas variantes “missense” não tem sua patogenicidade confirmada, a análise in silico dessas variantes poderia ajudar no diagnóstico molecular e no aconselhamento genético. Contudo, preditores in silico podem divergir durante a interpretação de variantes genéticas, gerando resultados que não contribuem para a interpretação da patogenicidade das mutações no CFTR. Neste estudo, a patogenicidade de 779 variantes “missense” no gene CFTR foi estabelecida pelo preditor consensual PredictSNP e comparada a dois bancos de anotação de variantes (CFTR2 e ClinVar). A concordância Kappa entre todos preditores foi fraca a moderada. O mesmo se aplica para os preditores em relação ao CFTR2 e ao ClinVar. A análise da acurácia esperada mostrou que o PredictSNP e o PhDSNP tiveram as melhores acurácias quando comparados aos outros preditores. As substituições do aminoácido isoleucina por valina foram associadas ao desfecho “neutro” enquanto que as substituições de leucina por prolina foram associadas ao desfecho “deletério”. Variantes que causam a substituição de aminoácidos localizados nos domínios de ligação a nucleotídeo e em β-folhas estão associadas com concordância completa entre os preditores ao passo que variantes que geram troca de aminoácidos localizados no domínio transmembrânico 1 e em α-hélices estão associadas a pelo menos uma discordância entre os preditores, independentemente da posição. A análise de sensibilidade e especificidade relevou que o PhDSNP e o PredictSNP são os melhores preditores para analisar variantes “missense” no CFTR enquanto que o nsSNPAnalyzer não seria recomendado para analisar as mesmas variantes. Esses resultados corroboram dados da literatura ao mostrar que os preditores in silico divergem quando analisam a patogenicidade de variantes “missense” no CFTR. Também se observou que eles divergem dos bancos de anotação de variantes. Por isso, os resultados gerados pelos preditores devem ser usados com cautela e os dados clínicos devem ser levados em consideração na anotação de variantes no CFTR.

Cystic Fibrosis (CF) is a monogenic disease with autosomal recessive model of inheritance. Mutations in the Cystic Fibrosis Transmembrane Conductance Regulator gene (CFTR) cause an impairment in the chloride channel encoded by this gene, which increases the viscosity of the mucus, leading to the clinical manifestations observed in CF patients. To date, over 2000 variants have been described at the Cystic Fibrosis Mutation Database and almost 40% of them cause an amino acid substitution. Since most of these missense variants do not have their pathogenicity confirmed, in silico analysis of these variants could help on molecular diagnosis and genetic counseling. However, in silico predictors may diverge when interpreting genetic variants, generating results that do not contribute to the pathogenicity interpretation of CFTR mutations. In this study, the pathogenicity of 779 CFTR missense variants was established by consensus predictor PredictSNP and compared to two variant annotation databases (CFTR2 and ClinVar). Kappa agreement between all predictors was fair or moderate. The same applies to predictors and CFTR2/ClinVar. Analysis of expected accuracy showed that PredictSNP and PhDSNP had greater accuracies when compared to other predictors. Amino acid substitutions of isoleucine for valine were associated with neutral outcomes while the substitutions of leucine for proline were associated with deleterious outcomes. Variants that cause amino acid substitutions located in nucleotide-binding domains and β-strands are associated with full agreement between predictors while variants that cause amino acid changes located in the membrane-spanning domain 1 and in α-helices are associated with at least one disagreement between predictors, regardless of position. Sensitivity and specificity analysis showed that PhDSNP and PredictSNP are the best predictors to analyze CFTR missense variants whilst nsSNPAnalyzer would not be recommended to analyze the same variants. These results corroborate literature data showing that in silico predictors diverge when analyzing the pathogenicity of CFTR missense variants. Also, it has been observed that they diverge from variant annotation databases. Hence, their results should be treated carefully and clinical data should be taken into account when asserting variant annotation for CFTR.