Banca de QUALIFICAÇÃO: GABRIELLE GERMEK COELHO SANTOS

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : GABRIELLE GERMEK COELHO SANTOS
DATA : 31/07/2026
HORA: 14:00
LOCAL: Google Meet
TÍTULO:

Caracterização de variantes genéticas raras em populações brasileiras a partir de dados de sequenciamento

PALAVRAS-CHAVES:

genômica; variante; brasil; patogênica; predição.

PÁGINAS: 53
RESUMO:

Variantes genômicas são alterações na sequência de DNA que ocorrem em nível individual ou populacional. Compreender suas implicações, mecanismos e origens é essencial para o avanço das estratégias de medicina de precisão. A população brasileira, moldada por um histórico de intensa miscigenação, abriga variantes e fenótipos únicos. Contudo, os dados genômicos brasileiros permanecem sub-representados nos principais bancos de dados internacionais, em grande parte devido à complexidade genética da população e à limitada interpretação funcional dos dados disponíveis. Essa lacuna dificulta o progresso de estudos baseados em genômica no Brasil. Este estudo teve como objetivo identificar e caracterizar variantes genéticas germinativas raras em indivíduos brasileiros utilizando dados de sequenciamento de nova geração (NGS), bem como reclassificar a patogenicidade de variantes previamente relatadas por meio de abordagens baseadas em deep learning implementadas no DTreePred, um novo aplicativo móvel desenvolvido por Gomes et al. (2025) para a avaliação da patogenicidade de variantes. Como estudo de caso, reanalisamos as variantes identificadas em uma coorte brasileira descrita por Amorim et al. (2025), composta por 17 amostras. A análise seguiu um protocolo padrão, iniciando com o controle de qualidade das amostras via Trimmomatic e o alinhamento ao genoma de referência GRCh38/hg38 utilizando o BWA-MEM. A chamada de variantes foi realizada com o DeepVariant no modo WES, e a anotação foi feita por meio de um script em Perl customizado, integrando informações de bancos de dados públicos. A predição de patogenicidade foi executada com o DTreePred, que aplica modelos de machine learning para classificar variantes, e com outras ferramentas complementares, tais como CADD, MutPred2 e EVE. A predição de variantes driver/passenger foi conduzida com as ferramentas CScape e Cancer Genome Interpreter (CGI). A investigação resultou na detecção de 4 novas variantes que não haviam sido descritas na maioria dos bancos de dados genéticos conhecidos. Ao analisar o perfil funcional das variantes, o DTreePred classificou todas como patogênicas, ao contrário de outros repositórios e ferramentas, como ClinVar e SIFT, que não forneceram uma classificação ou as descreveram como de interpretação conflitante ou VUS (Variante de Significado Incerto). O CScape e o CGI demonstraram resultados significativos, contribuindo para o perfil patogênico das variantes e para os seus possíveis papéis como drivers no câncer. Esses achados destacam o potencial de ferramentas de deep learning, como o DTreePred, para aprimorar a interpretação de variantes em populações sub-representadas. Ao revelar novas variantes candidatas a driver, este estudo expande o catálogo da diversidade genômica brasileira e estabelece uma estrutura para futuros estudos funcionais em medicina de precisão.

MEMBROS DA BANCA:
Presidente - 2170415 - JORGE ESTEFANO SANTANA DE SOUZA
Interno - 1046922 - LEONARDO CAPISTRANO FERREIRA