Genética
Do rascunho de 2001 ao genoma humano completo de 2022: o que ainda faltava depois do Projeto Genoma
Publicado em 12/10/2026 · Última alteração em 12/10/2026
Assuntos: Genética
O Projeto Genoma Humano entregou um rascunho em 2001 e, em 2004, uma sequência de cerca de 99% da parte eucromática, com 341 lacunas. Ficaram de fora regiões repetitivas como centrômeros e os braços curtos de cinco cromossomos, cerca de 8% do genoma segundo os autores do T2T. Esse consórcio publicou em 2022 uma sequência de 3,055 bilhões de pares de bases, sem lacunas em todos os cromossomos exceto o Y, que veio em 2023.
Um genoma é montado a partir de milhões de leituras curtas, como peças de quebra-cabeça. Em regiões repetitivas, as peças se encaixam em vários lugares e a montagem falha. Eucromatina é a fração do genoma que o Projeto Genoma Humano tratou como alvo; heterocromatina é a parte restante, rica em repetições, como centrômeros (onde o cromossomo se prende ao fuso na divisão celular) e os braços curtos dos cromossomos acrocêntricos. Mbp é um milhão de pares de bases. GRCh38 é a referência mais usada antes do T2T. Completo não quer dizer diverso: o T2T-CHM13 é a sequência de uma linhagem celular, não de uma pessoa típica.
Uma mola hidatiforme resolveu o quebra-cabeça
O T2T usou uma linhagem de mola hidatiforme completa, em que o genoma paterno aparece duplicado. Com duas cópias quase idênticas, não é preciso separar o que varia entre as cópias materna e paterna, e a montagem das repetições fica possível.
Por que um genoma tem buracos
Nenhuma tecnologia lê um cromossomo humano de ponta a ponta. A sequência é reconstruída por montagem: leituras curtas que se sobrepõem são encadeadas, como peças de quebra-cabeça. O método falha nas repetições, onde a mesma leitura se encaixa em vários lugares. Foi assim que centrômeros e outros trechos repetitivos ficaram como lacunas, mesmo depois de duas décadas de trabalho. O limite do método, e não descuido do projeto, explica boa parte do que faltava.
Finalizado em 2004 era só a eucromatina
O artigo de 2004 declarou a sequência de alta qualidade e quase completa, mas o alvo era a eucromatina: ela foi coberta a cerca de 99%, com 341 lacunas e erro de cerca de 1 evento por 100.000 bases. A heterocromatina, que contém os centrômeros, ficou fora do objetivo. Por isso a frase 'genoma decifrado em 2003' é imprecisa: decifrada estava a parte que as tecnologias da época conseguiam ler, e o próprio T2T diz que cerca de 8% ficou escondido desde então.
Como o T2T fechou as lacunas
O consórcio sequenciou uma linhagem celular quase homozigota (CHM13) com duas tecnologias complementares: leituras PacBio HiFi, muito precisas, e leituras ultralongas da Oxford Nanopore, que resolveram e uniram os trechos montados. A montagem foi checada contra os próprios dados de sequenciamento. O resultado soma 238 Mbp adicionados ou corrigidos em relação à GRCh38, em grande parte satélites centroméricos. O limite: é a sequência de uma linhagem, não de uma pessoa comum.
E o número de genes?
Em 2004, a estimativa era de 20.000 a 25.000 genes codificadores de proteína. A anotação preliminar do T2T-CHM13 prevê 19.969 genes codificantes entre 63.494 genes no total, e as regiões novas trouxeram 1.956 predições de gene, só 99 codificantes. O número de codificantes quase não mudou. O que cresceu foi a lista de genes de outros tipos e de cópias em regiões repetitivas. A contagem depende do critério de anotação e a anotação do T2T é preliminar.
Como sabemos
Números centrais conferem em texto integral (T2T, revisão) e resumos (artigos de 2001 e 2004); a fração de 8% é estimativa dos autores.
- Fato estabelecido: O Projeto Genoma Humano foi lançado formalmente em 1990 como um esforço internacional previsto para 15 anos. [4] Seção 1.2, §1
Contexto: Histórico do projeto segundo a revisão de Taylor et al. (2024). · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: Em 2001 o consórcio público (HGP) e a empresa Celera Genomics declararam, juntos, a conclusão de rascunhos separados que cobriam cerca de 90% do genoma humano. [4] Seção 1.2, §2 [3] Resumo [2] Resumo
Contexto: O artigo do consórcio público saiu na Nature em 15 de fevereiro de 2001. · Limitações: O percentual de cerca de 90% vem da revisão de 2024; o resumo do artigo de 2001 (lido só em resumo) não traz esse número. · Conferida na fonte (texto integral (revisão) e resumo (artigos da Nature)), conferência automatizada - Fato estabelecido: A versão que o consórcio chamou de finalizada, descrita na Nature em outubro de 2004, tinha 2,85 bilhões de nucleotídeos interrompidos por apenas 341 lacunas e cobria cerca de 99% do genoma eucromático, com erro de cerca de 1 em 100.000 bases. [2] Resumo [4] Seção 1.2, §2
Contexto: Parte eucromática do genoma humano; o artigo é de 2004 e a revisão de 2024 situa o lançamento dessa versão dois anos depois de 2001. · Limitações: Os 99% se referem só à eucromatina, não ao genoma inteiro. · Conferida na fonte (resumo), conferência automatizada - Estimativa: Na versão de 2004, o genoma humano parecia codificar apenas de 20.000 a 25.000 genes de proteína. [2] Resumo
Contexto: Estimativa de 2004 para genes codificadores de proteína, não para todos os tipos de gene. · Limitações: Estimativa; o número depende do critério de anotação. · Conferida na fonte (resumo), conferência automatizada - Fato estabelecido: Desde seu lançamento, em 2000, a sequência de referência humana cobria apenas a fração eucromática do genoma e deixava regiões heterocromáticas importantes sem terminar. [1] Resumo
Contexto: Referência humana do HGP e das versões mantidas pelo Genome Reference Consortium. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: Mesmo na referência mais usada antes do T2T, a GRCh38, cerca de 200 Mbp (aproximadamente o tamanho do cromossomo 3) continuavam sem solução, representados por lacunas ou por sequências-modelo, e os braços curtos dos cinco cromossomos acrocêntricos apareciam como longos trechos de bases desconhecidas. [4] Seção 1.1, §1 [1] Introdução, §1
Contexto: Referência GRCh38. · Limitações: Mbp é milhão de pares de bases. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: O consórcio Telomere-to-Telomere (T2T) foi criado em 2019, por Adam Phillippy e Karen Miga, com o objetivo de montar uma sequência completa e precisa de um genoma humano inteiro. [4] Seção 1.3, §1
Contexto: Histórico do consórcio segundo a revisão de 2024. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: O T2T-CHM13, publicado na Science em 2022, é uma sequência de 3,055 bilhões de pares de bases com montagens sem lacunas para todos os cromossomos, exceto o Y. [1] Resumo
Contexto: Genoma de uma única linhagem celular (CHM13); artigo publicado em 31 de março de 2022. · Limitações: O Y não faz parte dessa primeira versão porque a linhagem não tem cromossomo Y. · Conferida na fonte (texto integral), conferência automatizada - Evidência forte: Os autores do T2T afirmam que a montagem removeu uma barreira de 20 anos que escondia 8% do genoma da análise baseada em sequência, incluindo todos os centrômeros e os braços curtos inteiros de cinco cromossomos. [1] Introdução, §3
Contexto: Estimativa dos autores para a fração antes ausente da referência. · Limitações: O percentual de 8% é dos autores. Cálculo nosso: 200 Mbp / 3.055 Mbp = 6,5%; 238 Mbp adicionados ou corrigidos / 3.055 Mbp = 7,8%. O arredondamento para 8% inclui regiões corrigidas, além das ausentes. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: A montagem foi possível porque a linhagem CHM13 vem de uma mola hidatiforme completa, cujo genoma é praticamente homozigoto: duas cópias quase idênticas do genoma paterno, o que dispensa distinguir variantes entre as duas cópias de um cromossomo e trechos duplicados. [1] Cell line and sequencing, §1 [4] Seção 1.3, §1
Contexto: Linhagem celular CHM13hTERT. · Limitações: Um genoma homozigoto não mostra a variação entre as duas cópias de uma pessoa comum; o T2T-CHM13 é a sequência de uma linhagem, não de um indivíduo típico. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: Dois tipos de leitura de sequenciamento foram usados em conjunto: as leituras PacBio HiFi, de alta precisão, e as leituras ultralongas da Oxford Nanopore, que ajudaram a resolver e unir os trechos montados. [4] Seção 1.3, §2
Contexto: Método do projeto T2T-CHM13. · Conferida na fonte (texto integral), conferência automatizada - Consenso científico: Nenhuma tecnologia de sequenciamento lê um cromossomo humano de ponta a ponta; as sequências precisam ser reconstruídas por montagem computacional, e as regiões repetitivas são as mais difíceis de montar. [4] Seção 1.2, §1 (montagem)
Contexto: Princípio de montagem de genomas; vale para a época do HGP e para hoje. · Conferida na fonte (texto integral), conferência automatizada - Estimativa: A anotação preliminar do T2T-CHM13 lista 63.494 genes, dos quais 19.969 são preditos como codificantes de proteína; as regiões novas trazem 1.956 predições de gene, 99 delas codificantes. [1] Resumo
Contexto: Anotação de 2022, feita sobre o genoma T2T-CHM13. · Limitações: Anotação preliminar (draft); a contagem depende do critério usado. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: A primeira versão do T2T, de março de 2022, não incluía o Y, porque a linhagem CHM13 não tem cromossomo Y; a versão 2.0, lançada um ano depois, acrescentou uma sequência completa do Y de outro doador. [4] Seção 1.3, §3
Contexto: Versões v1.0 (2022) e v2.0 (um ano depois, segundo a revisão). · Conferida na fonte (texto integral), conferência automatizada - Consenso científico: Uma única sequência, mesmo completa, não representa a diversidade genética da espécie; por isso as referências de pangenoma surgiram como complemento. [4] Seção 1.4, §1
Contexto: Afirmação da revisão de 2024; o pangenoma fica fora do escopo deste texto. · Conferida na fonte (texto integral), conferência automatizada
Fontes
- Science — The complete sequence of a human genome
Nurk, S. et al. (Telomere-to-Telomere Consortium) · 2022 · Artigo científico original · lida na íntegra · consultada em 12/10/2026 DOI 10.1126/science.abj6987 - Nature — Finishing the euchromatic sequence of the human genome
International Human Genome Sequencing Consortium · 2004 · Artigo científico original · lido só o resumo · consultada em 12/10/2026 DOI 10.1038/nature03001 - Nature — Initial sequencing and analysis of the human genome
Lander, E. S. et al. (International Human Genome Sequencing Consortium) · 2001 · Artigo científico original · lido só o resumo · consultada em 12/10/2026 DOI 10.1038/35057062 - Annual Review of Genomics and Human Genetics — Beyond the Human Genome Project: The Age of Complete Human Genome Sequences and Pangenome References
Taylor, D. J. et al. · 2024 · Revisão ou síntese científica · lida na íntegra · consultada em 12/10/2026 DOI 10.1146/annurev-genom-021623-081639
Histórico de alterações
- Versão 1 · 12/10/2026 — Primeira versão (produção 1.000, lote 2; conferência de trechos automatizada)