Wet Lab 101: Do Tubo de Ensaio ao FASTQ

Under scientific review

This introductory page is under scientific review. Use it for orientation, not clinical decision-making.

Antes que os algoritmos de bioinformática alinhem leituras ou chamem variantes, o tecido biológico deve passar por uma transformação física e química. Para engenheiros de software, o Wet Lab (Laboratório Molhado) é a pipeline física de ingestão de dados que lê o hardware biológico (células, tecidos, sangue) e o digitaliza em arquivos de dados brutos (.fastq).

Compreender essa pipeline de ETL físico é crucial: artefatos de sequenciamento, quedas de cobertura e efeitos de lote (batch effects) quase sempre se originam na etapa de wet lab.

---

1. Coleta e Preservação da Amostra

As amostras biológicas são o payload de entrada. A forma como são preservadas dita a qualidade final dos dados:

• FFPE (Emblocamento em Parafina) — Compressão Lossy / JPEG: O tecido é fixado em formalina e emblocado em cera. Pode ser armazenado à temperatura ambiente por décadas, sendo o arquivo clínico mais comum. No entanto, a formalina causa ligações cruzadas e fragmentação do DNA (reduzindo o tamanho da leitura e introduzindo mutações de transição de artefato C→T).
• Congelamento a Frio (Fresh-Frozen - FF) — Compressão Lossless / PNG: O tecido é congelado instantaneamente em nitrogênio líquido (-196°C). O DNA/RNA permanece de alto peso molecular e íntegro, tornando o FF o padrão-ouro para sequenciamento profundo e tecnologias de leituras longas.
• Biópsia Líquida — Entrada em Streaming: DNA livre circulante (cfDNA) liberado por células tumorais no plasma sanguíneo. Requer tubos de coleta especiais para evitar que glóbulos brancos normais sofram lise e diluam o sinal tumoral.

---

2. Extração: Descompactação Celular

Extrair DNA/RNA requer remover membranas celulares, proteínas e lipídios:

1. Lise Celular (unzip): Detergentes e sais caotrópicos rompem a membrana celular e nuclear.
2. Digestão de Proteínas (garbage collection): Enzimas Proteinase K digerem histonas e proteínas celulares presas aos ácidos nucleicos.
3. Separação de Fases / Captura em Coluna (grep): Colunas de sílica ligam o DNA/RNA sob altas concentrações de sal enquanto os contaminantes são lavados.
4. Eluição (write to disk): Ácidos nucleicos puros são eluídos em água livre de nucleases ou tampão.

---

3. Controle de Qualidade (QC): Testes Unitários da Entrada

Antes de gastar milhares de dólares no sequenciamento, os ácidos nucleicos devem passar por portões de qualidade:

• NanoDrop (Espectrofotometria) — Check de Cabeçalho: Mede razões de absorbância (260/280nm para contaminação de proteína, 260/230nm para sal/fenol). Rápido, mas superestima a concentração.
• Qubit (Fluorimetria) — Checksum Exato: Usa corantes que fluorescem apenas quando ligados ao DNA ou RNA de fita dupla íntegro. Fornece concentração exata (ng/µL).
• Bioanalyzer / TapeStation — Verificação de Integridade do Payload: A eletroforese separa moléculas por tamanho. Retorna um DIN (DNA Integrity Number) ou RIN (RNA Integrity Number) de 1 a 10. Amostras com RIN < 7 estão degradadas e exigem preparo de biblioteca especial.

---

4. Preparo de Biblioteca (Library Prep): Formatando para o Sequenciador

O DNA bruto não pode ser carregado diretamente no sequenciador. O Library Prep formata o DNA bruto em estruturas legíveis pela máquina:

[ Adaptador P5 ] -- [ Índice 1 / Barcode ] -- [ Inserto (DNA Alvo) ] -- [ Índice 2 ] -- [ Adaptador P7 ]

1. Fragmentação: O DNA é cisalhado via ultrassom (Covaris) ou clivagem enzimática em pedaços uniformes (~300-500 bp para sequenciamento de leituras curtas).
2. Reparo de Pontas e A-Tailing: As pontas cisalhadas são polidas e uma base 'A' é adicionada às extremidades 3'.
3. Legação de Adaptadores (Cabeçalhos HTTP): Adaptadores de DNA sintético em formato de Y são ligados. Eles contêm:
   • Sítios de Ligação na Flow Cell (P5/P7): Âncoras que se conectam ao hardware do sequenciador.
   • Barcodes / Índices da Amostra (i5/i7): Identificadores únicos de 8-10 bp que permitem misturar 96+ amostras de pacientes em uma única corrida (Multiplexação / Multi-tenancy).
   • Sítios de Primers: Plataformas de lançamento para a reação de sequenciamento.
4. Amplificação por PCR (cp -r): Amplifica a biblioteca. Ciclos excessivos introduzem duplicatas de PCR (leituras duplicadas que devem ser removidas na bioinformática).

---

5. Carregamento na Flow Cell e Desmultiplexação

O pool de bibliotecas é carregado em uma Flow Cell (uma lâmina de vidro microfluídica revestida com bilhões de oligonucleotídeos complementares):

1. Amplificação em Ponte / Exclusão: Moléculas únicas se ligam à superfície da flow cell e se amplificam clonalmente em clusters físicos (~1.000 cópias idênticas por ponto).
2. Corrida de Sequenciamento: O instrumento cicla nucleotídeos fluorescentes, capturando imagens de alta resolução a cada base (Sequencing-by-Synthesis).
3. Desmultiplexação (bcl2fastq / DRAGEN): Os dados de imagem óptica brutos (arquivos binários .bcl) são convertidos em chamadas de bases e divididos pelo barcode da amostra em arquivos .fastq.gz individuais.

---

Resumo do Fluxo

$$\text{Biópsia} \xrightarrow{\text{Lise}} \text{Extração} \xrightarrow{\text{Qubit/RIN}} \text{Fragmentação} \xrightarrow{\text{Legação de Adaptadores}} \text{Flow Cell} \xrightarrow{\text{Desmux}} \text{FASTQ}$$

---

Referências

1. Head, S. R., et al. (2014). Library construction for next-generation sequencing: overviews and challenges. Biotechniques, 56(2), 61-77.
2. Illumina Inc. (2020). An Introduction to Next-Generation Sequencing Technology. San Diego, CA.
3. Sambrook, J., & Russell, D. W. (2001). Molecular Cloning: A Laboratory Manual. Cold Spring Harbor Laboratory Press.