La secuenciación del genoma y la genómica clínica

La secuenciación del genoma y la genómica clínica

Secuenciar es averiguar en qué orden se suceden las bases de un fragmento de ADN. Esa lectura, que hace medio siglo ocupaba a un laboratorio entero, hoy forma parte del diagnóstico habitual.

El recorrido de este repaso va del método clásico a las plataformas masivas, del fragmento suelto al genoma completo y de la secuencia a la decisión clínica. Incluye dos tablas y dos casos resueltos.

La genómica da un paso más y estudia el conjunto: cómo está organizado, qué variantes aparecen y qué significan para la salud. La secuenciación es la herramienta que hace posible ese estudio.

Una secuencia es una lista ordenada de letras: A, T, C y G, las cuatro bases del ADN. Leerla equivale a transcribir ese orden posición por posición.

El interés no está en las letras sueltas sino en su sucesión. Un cambio en un solo sitio puede alterar una proteína y, con ella, el funcionamiento de una célula.

La misma técnica sirve para un gen aislado y para el genoma completo. Lo que cambia es el número de lecturas y el trabajo de ordenarlas después.

Antes de leer hay que disponer de material suficiente. La reacción en cadena de la polimerasa multiplica el fragmento, y ese paso previo se explica en el artículo sobre la PCR y el diagnóstico de infecciones.

Todo procedimiento pasa por tres momentos: preparar el ADN, leerlo y ordenar las lecturas. Durante décadas esa cadena fue lenta y cara; hoy se resuelve en días y a una fracción del costo anterior.

El orden de las bases no basta para saber qué proteína se fabrica. También hacen falta las señales que marcan dónde empieza un gen y dónde termina.

Conviene no confundir dos acciones parecidas. Copiar el ADN es tarea de la polimerasa; secuenciar es determinar el orden de las bases de la copia.

El método de Sanger y la lectura por capilares

Frederick Sanger publicó en 1977 un procedimiento que sigue siendo la base de la lectura clásica. Su idea consiste en copiar el fragmento y cortar la copia en posiciones conocidas.

Para lograrlo se añaden terminadores: nucleótidos modificados que detienen la síntesis en el momento en que se incorporan. Cada terminador está marcado con un color propio, y ese color identifica la base en la que se detuvo la copia.

Como la interrupción ocurre al azar, se generan fragmentos de muchas longitudes. El tamaño de cada uno indica en qué posición quedó detenida la copia, y su color indica qué base había allí.

Los fragmentos se separan por tamaño dentro de un capilar muy fino. Los más cortos avanzan más rápido y un detector registra el color de cada uno al paso.

La electroforesis capilar reemplazó a los geles de gran formato y permitió procesar varias muestras a la vez. Cada corrida entrega lecturas de varios cientos de bases.

El proyecto que descifró el genoma humano se apoyó en este método para leer unos 3 000 millones de pares de bases. Fue un trabajo de años, repartido entre muchos laboratorios y con miles de fragmentos por ordenar.

El artículo original de 1977 describió el empleo de didesoxinucleótidos, versiones de los nucleótidos que impiden continuar la cadena. Ese corte controlado es la clave del método.

El genoma que se publicó en 2001 no estaba completo. Faltaban regiones repetidas que ninguna lectura lograba ordenar con seguridad.

La técnica no quedó obsoleta. Se sigue usando para leer un gen concreto y para confirmar hallazgos obtenidos con plataformas más rápidas.

La nueva generación: muchas lecturas en paralelo

Las plataformas de nueva generación leen muchísimos fragmentos al mismo tiempo. Ese cambio, la lectura masiva en paralelo, redujo el tiempo y el costo de forma drástica.

El ADN se corta en trozos cortos y cada trozo se amplifica sobre una superficie pequeña. Así, cada punto de la superficie reúne muchas copias iguales de un mismo fragmento.

Cada ciclo incorpora una base y el equipo registra cuál entró. Con cientos de ciclos se arma la lectura de cada grupo, y algunas plataformas leen moléculas individuales sin amplificar.

Las lecturas resultan más breves que las del método clásico, pero el número compensa esa diferencia. En pocas horas, una sola corrida entrega millones de lecturas.

Las lecturas cortas exigen un paso de alineación contra la referencia, mientras que las largas ayudan a resolver repeticiones. Por eso muchos proyectos combinan plataformas de ambos tipos.

El cambio de escala tiene fecha. En enero de 2008 los centros de secuenciación pasaron del método de Sanger a las tecnologías de segunda generación, y desde entonces la caída del costo superó la que predice la ley de Moore.

En la actualidad, leer un genoma humano completo cuesta unos pocos miles de dólares. Esa cifra, impensable en los años noventa, cambió el uso de la técnica.

Hoy un laboratorio pequeño obtiene datos que hace dos décadas exigían un consorcio internacional y varios años de trabajo.

La tabla siguiente compara las dos familias de tecnologías.

Ninguna de las dos reemplaza por completo a la otra. El método clásico ofrece lecturas largas y limpias en zonas difíciles, y las plataformas masivas aportan volumen.

Del fragmento al genoma: ensamblaje y referencia

Las lecturas llegan desordenadas, porque los fragmentos se tomaron al azar y su posición original se perdió. Reconstruir el texto exige comparar unas lecturas con otras.

Dos lecturas que comparten un tramo idéntico probablemente vienen de la misma zona. Ese tramo común se llama solapamiento y permite encadenarlas como las piezas de un rompecabezas.

Si ninguna lectura alcanza una región, el ensamblaje deja allí un hueco. Las zonas con secuencias repetidas generan los huecos más tercos, porque el solapamiento se vuelve ambiguo.

La calidad de un ensamblaje se mide por la cobertura y por la continuidad de sus tramos. Más cobertura reduce los errores de lectura, aunque no elimina los huecos de las zonas repetidas.

La secuencia de referencia funciona como texto de consulta. No es el genoma de una persona real, aunque buena parte de sus bases provenga de un donante anónimo.

El primer borrador dejó regiones sin resolver y esas zonas tardaron dos décadas en cerrarse. En 2022 el consorcio T2T publicó una versión sin huecos, que permitió reconocer más de dos millones de variantes adicionales y afinar la lectura de 622 genes de interés médico.

Como cada persona tiene variantes propias, la referencia sirve de patrón. Las lecturas de un paciente se alinean con ella para localizar las diferencias.

Un genoma bien armado no es el que no tiene errores, sino el que declara dónde están sus zonas dudosas.

Ese patrón también tiene límites. Un solo genoma de referencia representa mal la variación de poblaciones enteras, y por eso se trabaja en un pangenoma que reúna muchos genomas.

Qué contiene el genoma humano

El genoma es el conjunto completo del ADN de un organismo. Una copia humana contiene unos 3 000 millones de pares de bases distribuidos en 23 cromosomas.

Dentro del genoma, los genes codificantes indican cómo fabricar proteínas. El resto no es relleno: incluye regiones que deciden cuándo y dónde se activa cada gen.

La tabla resume los componentes que conviene reconocer.

El número de genes sorprendió a quienes hicieron el proyecto. Se esperaban unos 100 000, y los primeros artículos de 2001 informaron 31 000 y 26 588.

El borrador más completo de 2004 estimó un catálogo cercano a 24 000, y la versión de Ensembl descrita en ese trabajo listaba 22 287 genes codificantes. Mientras esa cifra se estabilizaba, el número de genes de ARN no codificante crecía.

Los genes de ARN no codificante producen moléculas que regulan a otros genes, y su catálogo crece conforme se estudian más tejidos.

Las células contienen muchas más proteínas que genes codificantes. La explicación está en el corte y empalme alternativo: un mismo transcrito se procesa de maneras distintas.

El tamaño del genoma no indica cuántos genes tiene. Una secuencia más larga no implica un catálogo mayor, y ese detalle descarta varias opciones en los ítems del tema.

La genómica clínica: variantes, fármacos y casos inciertos

Dos genomas humanos cualesquiera son casi iguales. En promedio comparten el 99,6 % de su secuencia, y el 0,4 % restante concentra las diferencias.

La cifra del 99,9 % que circula con frecuencia cuenta solo los cambios de una base. Si se mira el conjunto, aparece en promedio una diferencia de ese tipo cada 1 300 nucleótidos, y a ella se suman inserciones, deleciones y variaciones de tramos largos.

En la consulta, la secuenciación busca la causa de un cuadro hereditario sin diagnóstico claro. El laboratorio compara el ADN del paciente con la referencia y revisa si alguna diferencia cae en un gen relacionado con los síntomas.

El resultado no sustituye a la historia clínica ni al examen físico. Se interpreta junto con los antecedentes y otras pruebas, porque una variante detectada no equivale a un diagnóstico.

La farmacogenómica aplica esos datos a la prescripción. Muchas variantes modifican la velocidad con que se metaboliza un fármaco, de modo que una dosis puede resultar eficaz en una persona, insuficiente en otra y excesiva en una tercera.

Las pruebas farmacogenómicas ya se usan en la atención clínica para orientar decisiones de prescripción. Su límite está en los paneles de referencia, construidos en su mayoría con datos de ancestría europea, lo que las vuelve menos certeras en otras poblaciones.

Entre los extremos de lo inocuo y lo patogénico quedan las variantes de significado incierto. Son cambios cuya relación con la salud todavía no se conoce y que aparecen con frecuencia en el laboratorio.

La clasificación mira dos cosas: con qué frecuencia aparece en la población y qué le hace a la proteína. Cuando la evidencia no alcanza, la variante queda como incierta hasta que nuevos estudios permiten reclasificarla.

Ese problema crece donde hay menos datos. Las poblaciones poco representadas en los paneles acumulan más variantes inciertas, lo que dificulta identificar las que causan enfermedad.

El volumen de datos es otro límite. Cada corrida produce archivos enormes, y guardarlos y analizarlos exige programas especializados y reglas claras de privacidad.

El manejo de estos datos y el consentimiento tienen desarrollo propio en la bioética y los datos genéticos. Un dato genómico nunca es solo individual, porque revela información de parientes.

Dos casos resueltos

El primer caso calcula lecturas; el segundo muestra cómo se decide ante un hallazgo sin antecedentes. Los dos usan el mismo dato con fines distintos.

Errores que más se repiten en la prueba

Los ítems del tema suelen pedir que interpretes un caso breve. Antes de leer las opciones, identificá si el enunciado habla del método, de la referencia, de una variante o de una aplicación.

Si el enunciado menciona un número de lecturas, preguntate si habla de cobertura o de cantidad total.

Un repaso rápido de la tabla comparativa resuelve la mitad de las dudas. La otra mitad se aclara preguntando qué se hizo con la muestra y qué se concluyó después.

Conclusión

Secuenciar es leer el orden de las bases, ya sea de un gen o de un genoma entero. El método de Sanger lo consiguió con terminadores marcados y electroforesis capilar, y las plataformas masivas multiplicaron las lecturas por corrida.

Leer no equivale a entender. El ensamblaje y la comparación con una referencia convierten millones de fragmentos en una secuencia útil, y esa referencia sirve de patrón para reconocer las variantes de cada paciente.

El genoma contiene genes, regiones reguladoras y abundantes secuencias repetidas. Los catálogos actuales describen poco más de 20 000 genes codificantes, y el corte y empalme alternativo explica por qué las proteínas superan esa cifra.

Conviene retener el orden histórico: primero el método de Sanger, después las plataformas masivas y al final la lectura completa del genoma.

Ese recorrido explica por qué la secuenciación pasó del laboratorio de investigación a la consulta médica.

La técnica, por sí sola, no decide nada: el valor clínico aparece cuando el dato se interpreta con evidencia.

La genómica clínica aplica esos datos al diagnóstico de enfermedades hereditarias, al ajuste de tratamientos y al estudio de variantes de significado incierto. Sus límites están en el volumen de datos, en la interpretación y en la representación desigual de las poblaciones.