Utilização de bancos de dados genômicos para investigação da frequência de doenças genéticas raras

Abstract

As doenças lisossômicas são um grupo de doenças raras caracterizadas pelo acúmulo de substâncias no lisossomo. As doenças causadas pela acumulação de um ou mais tipos de glicosaminoglicanos são chamadas de mucopolissacaridoses (MPS). As MPS são multissistêmicas, crônicas e progressivas, com amplos espectros de manifestações clínicas, comprometendo desde funções somáticas até funções neurológicas. Não existe cura para as MPS, mas existem tratamentos que melhoram a qualidade de vida dos pacientes. Por serem raras, dados relativos à frequência são difíceis de obter, existindo dados de apenas alguns países e regiões. Os avanços nas tecnologias de sequenciamento possibilitaram a criação de bancos de dados populacionais. Esses bancos de dados oferecem informação valiosa sobre os padrões genéticos e podem ser usados para melhorar o entendimento da relação genótipo/fenótipo nas doenças. O grande número de dados gerados nesses sequenciamentos estimulou a criação de novas ferramentas que possibilitem a análise in silico dessas informações. No presente trabalho, as frequências das MPS foram calculadas a partir de dois bancos de dados populacionais disponíveis online: gnomAD e ExAC. Analisaram-se 16656 variantes, sendo 2005 de MPS I, 961 de MPS II, 2043 de MPS IIIA, 1048 de MPS IIIB, 1533 de MPS IIIC, 1141 de MPS IIID, 2988 de MPS IVA, 1629 de MPS IVB, 1159 de MPS VI, 1067 de MPS VII e 1082 de MPS IX. Essas variantes foram separadas por tipos, excluindo-se aquelas que foram encontradas em posições menos propensas a serem patológicas. Em seguida, todas as variantes presentes em homozigose foram retiradas, já que nenhum dos bancos de dados incluem amostras pacientes de MPS ou outras doenças pediátricas graves. As variantes que permaneceram foram separadas para análises. Variantes de ponto na região codificante (stop gain, stop loss, start loss) foram classificadas como patogênicas; as de alteração de sítio de splice foram analisadas pelo Human Splicing Finder; as de frameshift e as deleções e inserções in-frame foram analisadas pelo SIFT Indel; as missense foram analisadas com cinco preditores e o consenso de no mínimo três programas foi considerado. Com os resultados dessas análises, a frequência alélica das variantes consideradas patogênicas foi usada para calcular a frequência das doenças utilizando a equação de Hardy-Weinberg. As frequências encontradas foram, para MPS I, MPS IIIA, B, C e D, MPS IVA e B, MPS VI, ,MPS VII e MPS IX, respetivamente: 1:18.289,86; 1:58.974,05; 1:101.350,40; 1:68.947,25; 1:263.641,49; 1:53.397,01; 1:69.648,95; 1:117.071,68; 1:137.218.,05; 1:201.123,12. A frequência estimada para MPS II é incompatível com o observado na clínica. Porém, as frequências obtidas para as demais MPS seguiram o padrão esperado de apresentarem frequências maiores do que as apresentadas na literatura.

Lysosome diseases are a group of rare diseases characterized by an accumulation of substances in the lysosome. Diseases caused by the accumulation of one or more types of glycosaminoglycans are called mucopolysaccharidoses (MPS). The MPS are multisystem, chronic and progressive, with broad spectra of clinical manifestations, compromising from somatic to neurological functions. There is no cure for MPS, but there are treatments that improve patients' quality of life. Because they are rare, it is difficult to obtain frequency data, with data from only a few countries and regions. Advances in sequencing technologies enabled the creation of population databases. These databases provide valuable information about genetic patterns and can be used to improve understanding of the genotype/phenotype relationship in diseases. A large number of data generated in these sequencing stimulated the creation of new tools that allow in silico analysis of this information. In the present work, the frequencies of MPS were calculated from two population databases available online: gnomAD and ExAC. 16656 variants were analyzed, 2005 of MPS I, 961 of MPS II, 2043 of MPS IIIA, 1048 of MPS IIIB, 1533 of MPS IIIC, 1141 of MPS IIID, 2988 of MPS IVA, 1629 of MPS IVB, 1159 of MPS VI, 1067 MPS VII and 1082 MPS IX. The variants found in these databases were separated by types, excluding those that were found in positions less likely to be pathological. After that, we removed all variants that were homozygous, on the basis that both databases did not include MPS patients in their databases. The variants that remained were separated for analysis. Variant point in the coding region (stop gain, stop loss, start loss) were classified as pathogenic; the splice site alterations were analyzed by the Human Splicing Finder; those of frameshift and in-frame deletions and insertions were analyzed by SIFT Indel; the missense were analyzed with five predictors and the consensus of at least three programs was considered. With the results of these analyzes, the allelic frequency of variants considered pathogenic was used to calculate the frequency of diseases using the Hardy-Weinberg equation. The frequencies found were, for MPS I, MPS IIIA, B, C and D, MPS IVA and B, MPS VI, MPS VII and MPS IX, respectively: 1: 18,289.86; 1: 58,974.05; 1: 101,350,40; 1: 68,947.25; 1: 263,641.49; 1: 53,397.01; 1: 69,648.95; 1: 117,071.68; 1: 137,218.05; 1: 201,123.12. The estimated frequency for MPS II is incompatible with that observed in the clinic. However, the frequencies obtained for the other MPS followed the expected pattern of presenting higher frequencies than those presented in the literature.