Projeto Genoma Humano

A, C, G e T são as quatro letras usadas para representar as bases do DNA.

O programa buscava determinar a ordem das bases do DNA e fornecer mapas e ferramentas para localizar e estudar genes. Uma sequência de referência oferece coordenadas compartilhadas: observações de diferentes laboratórios podem ser situadas nas mesmas regiões genômicas, em vez de depender de mapas locais incompatíveis.

Seu valor era o de uma infraestrutura científica. Produzir uma sequência reutilizável permitia investigar funções biológicas, evolução e doenças; isso não explicava, por si só, a função de cada base nem constituía um tratamento.

O consórcio público adotou uma abordagem hierárquica. Grandes fragmentos de DNA, frequentemente mantidos em cromossomos artificiais bacterianos (BACs), eram mapeados e selecionados para cobrir o genoma. Cada clone escolhido era subdividido, sequenciado pela química de Sanger e montado computacionalmente a partir de leituras sobrepostas. Depois, as montagens dos clones eram ordenadas em uma referência maior.

Os BACs mantêm grandes fragmentos de DNA de forma estável em bactérias, conservando trechos mapeados disponíveis para sequenciamento. No sequenciamento de Sanger, as cópias são interrompidas em bases determinadas e separadas por comprimento para reconstruir a ordem das bases.

O mapa restringia as posições possíveis dos fragmentos e reduzia ambiguidades. Trechos repetitivos, porém, podiam parecer quase idênticos, enquanto vieses de clonagem deixavam algumas sequências sub-representadas. A finalização exigia leituras adicionais direcionadas e verificações das sobreposições e da consistência da montagem, não apenas mais sequenciamento automatizado. Uma sequência montada é uma reconstrução a partir de medições, não uma fotografia de um cromossomo.

O Consórcio Internacional de Sequenciamento do Genoma Humano reuniu 20 centros nos Estados Unidos, Reino Unido, França, Alemanha, Japão e China. O NHGRI e o Departamento de Energia lideraram o esforço americano; o Wellcome Trust apoiou o britânico. Biólogos, engenheiros e especialistas em computação dividiram uma tarefa de produção distribuída.

O anúncio de conclusão de 2003 compara uma estimativa americana inicial de 3 bilhões USD com um valor informado de 2,7 bilhões USD, ambos em dólares do ano fiscal de 1991. São números oficiais do programa, não um total mundial de despesas auditado de forma independente. O relato posterior do NHGRI destaca expressamente a dificuldade de contabilizar com precisão os recursos de financiadores internacionais. A sequência foi disponibilizada abertamente para reutilização.

O programa ocorreu de 1990 a 2003. Um rascunho foi anunciado em junho de 2000, seguido pelo artigo do consórcio público em fevereiro de 2001. Em 14 de abril de 2003, o consórcio anunciou a conclusão e disponibilizou uma referência essencialmente finalizada. Esse marco do programa deve ser distinguido da publicação técnica posterior.

Em outubro de 2004, o artigo de finalização descreveu Build 35: 2,85 bilhões de nucleotídeos, 341 lacunas, aproximadamente 99% da eucromatina e uma taxa de erro estimada em cerca de 1 evento por 100 000 bases. Esses resultados dizem respeito à montagem estudada no artigo; não são medições exatas que possam ser atribuídas retrospectivamente ao anúncio de abril de 2003. Aquele anúncio descrevia 99% das regiões que contêm genes com 99,99% de exatidão. Cobertura e exatidão medem propriedades diferentes.

A eucromatina contém a maioria dos genes, mas não é o genoma inteiro. Regiões heterocromáticas muito repetitivas, incluindo regiões centroméricas, continuavam difíceis de resolver. Portanto, uma alta porcentagem de cobertura da eucromatina não pode ser apresentada como a mesma porcentagem de todo o DNA humano.

A referência também era um mosaico de vários doadores, não as duas cópias cromossômicas de uma pessoa representativa nem um catálogo de toda a variação humana. Completude da sequência, correção da montagem, representação populacional e interpretação biológica são requisitos separados. Atingir o padrão de finalização do programa não eliminou essas limitações.

O artigo de Nurk e colaboradores, divulgado em 31 de março de 2022, descreveu T2T-CHM13: uma montagem de 3,055 bilhões de pares de bases sem lacunas de sequência nos autossomos e no cromossomo X; o cromossomo Y estava ausente. As leituras PacBio HiFi e as leituras ultralongas da Oxford Nanopore ajudaram a resolver regiões repetitivas inacessíveis às abordagens anteriores. A linhagem celular utilizada era quase homozigota, simplificando a distinção entre as cópias cromossômicas.

O artigo ainda identifica sequências-modelo para alguns arranjos de DNA ribossômico cuja ordem interna não foi totalmente resolvida. Assim, “sem lacunas” não significa determinação direta e inequívoca de cada cópia repetida. T2T foi uma realização de um consórcio posterior, não um resultado entregue pelo Projeto Genoma Humano em 2003; uma única montagem também não representa toda a diversidade humana.

Em 10 de maio de 2023, Liao e colaboradores publicaram o primeiro rascunho do HPRC: 47 montagens diploides com fase resolvida, correspondentes a 94 haplótipos. O faseamento distingue as sequências cromossômicas herdadas de cada progenitor. Alinhar várias montagens em grafos de variação oferece caminhos de sequência alternativos, em vez de obrigar todas as pessoas a se encaixar em uma única referência linear.

O artigo relata 119 milhões de pares de bases adicionais de sequências eucromáticas polimórficas em relação a GRCh38. Os fluxos de análise avaliados reduziram em 34% os erros de detecção de variantes pequenas e aumentaram em 104% as variantes estruturais detectadas por haplótipo. São comparações dentro do estudo, não melhorias universais nem evidência de benefício clínico equivalente. O rascunho não abrangia toda a variação nem estava livre de erros; repetições difíceis e a representação de outras populações continuavam sendo desafios. GRCh38 é uma referência posterior, não a sequência de 2003 sem alterações.

Um resultado duradouro é uma referência publicamente reutilizável e uma cultura de compartilhamento rápido de sequências, apoiada pelos princípios das Bermudas. O recurso aumentou a precisão da anotação gênica e das análises de genômica comparativa. Os resultados posteriores de T2T e do pangenoma mostram como outros programas puderam testar e ampliar essa base.

O programa também apoiou pesquisas sobre implicações éticas, jurídicas e sociais: privacidade, consentimento e possível discriminação genética importam tanto quanto o desempenho técnico. Sequências melhores não estabelecem automaticamente a causalidade de uma doença nem produzem uma terapia; interpretação e avaliação clínica exigem evidências adicionais. O Projeto Genoma Humano permanece concluído. As futuras atualizações deste registro histórico devem acompanhar reinterpretações documentadas e resultados derivados, sem atribuir novos prazos ou realizações posteriores ao programa encerrado.