Por fin la secuencia del genoma humano está verdaderamente completa y dos remembranzas de mi época de doctorado.

Se publicó en la revista Science que por fin el Proyecto Genoma Humano se declaró completo, debido a que los huecos en la secuencia finalmente se han llenado. A mi mente llegaron mis años de estudios del doctorado, donde fui testigo como estudiante de una de las rivalidades más acaloradas y por qué no decirlo más productivas de la historia reciente de la ciencia, fue la carrera por secuenciar y publicar el genoma humano. Por un lado, estaba un proyecto internacional metódico, masivo y financiado con fondos públicos, administrado por los Institutos Nacionales de Salud (NIH). Por otro lado, surgió una empresa ágil, rápida y con fines de lucro dirigida por un científico temerario que ideó un método para secuenciar el ADN que giraba en torno a la técnica de los NIH. El consorcio público, dirigido por Francis Collins, posteriormente director de los Institutos Nacionales de Salud de EUA, criticaba duramente a la empresa Celera dirigida por J. Craig Venter, por tratar de obtener ganancias del genoma. Recuerdo como estudiante haber tomado partido del peligro de que los genes se patentaran y de que un esfuerzo publico internacional terminara en un negocio, pero también me gustaba saber que Celera, había renunciado al esfuerzo público frustrado por su lentitud. El eslogan de su empresa era «La velocidad importa». Los miembros de los dos equipos se despreciaban mutuamente. Y la comunidad científica se mantenía atenta de quien publicaría primero.

Finalmente, la publicación concertada o conciliada apareció en dos de las revistas de mayor divulgación y prestigio Nature y Science, con solo un día de diferencia 15 y 16 de febrero del 2001. Pero fue hasta el 2003 que se declaró como completo coincidiendo con el 50 aniversario de la publicación de la primera estructura del ADN. Sin embargo, técnicamente no estaba exactamente terminado. Se partía de que la mayor parte de la secuencia, alrededor del 92 por ciento se había descifrado, especialmente las secciones que contenían genes que codificaban proteínas. Pero el genoma también contenía largos tramos de secuencias repetitivas que resultaron ser muy difíciles de descifrar utilizando las técnicas de secuenciación de ADN disponibles en esos años.

También recuerdo haber escuchado en múltiples conferencias donde asistí, los conferencistas referían que el porcentaje que faltaba por secuenciar eran secciones de secuencias repetidas. Esas secuencias repetitivas normalmente eran descartadas o etiquetadas como «ADN basura», pero con el tiempo los investigadores siguieron encontrando más secciones de esa basura y encontrando evidencia de que tienen funciones biológicas importantes. Debido a que no codifican proteínas, estudiarlas ha resultado ser extremadamente desafiante. Pero no solo se cree que están conectados con algunas enfermedades, sino que pueden ser esenciales para ciertas funciones biológicas, por lo que es importante comprenderlas y no etiquetarlas cómo «ADN basura”.

Para lograr la secuenciación completa vimos aparecer por lo menos tres generaciones de tecnología que han derivado en múltiples equipos o técnicas que usamos actualmente para diferentes fines en el laboratorio.

En los primeros días de la secuenciación, podían amplificarse secciones específicas del genoma; una secuencia seleccionada era amplificada con pequeñas moléculas llamadas “primers” o cebadores, que coincidían con secciones cortas en los extremos de esas secuencias específicas. Una vez amplificada en muchas copias por una enzima, cada base de esa secuencia específica se podía etiquetar con una molécula fluorescente, luego un equipo las separaba por electroforesis y podía leer la secuencia de colores fluorescentes como bases de ADN. Pero estaba limitado a cierto tamaño o secciones del genoma.

Para complementar lo anterior los métodos de secuenciación más avanzados adoptaron un enfoque diferente. En la secuenciación denominada en su tiempo de próxima generación, las porciones del genoma se cortan en partes diminutas que luego se secuencian y finalmente se ensamblan como piezas de un rompecabezas para crear una secuencia larga.

La repetición en el genoma es difícil de manejar para ambos métodos, y se diseñó una técnica de secuenciación de tercera generación. En la secuenciación de nanoporos o de tercera generación, son posibles lecturas mucho más largas. Una sola molécula de ADN pasa a través de un nanoporo y cada base se lee electrónicamente, esta técnica se presento en un artículo de Nature Methods. Los investigadores esperan que las técnicas utilizadas para terminar la secuencia del genoma humano, que se presentaron en el artículo de Nature Methods, ayuden a los científicos a comprender las enfermedades asociadas con repeticiones estructurales en el centrómero.

El cáncer se ha relacionado con defectos del centrómero, por ejemplo; Cuando algunos genes del centrómero heterocromático están hiperactivos, las células cancerosas se dividen de forma muy activa. Ahora que tenemos la secuencia del genoma humano completo, los científicos pueden aprender más sobre estas regiones misteriosas.

También y como reflexión se está investigando lo que una vez se llamó “ADN basura”, que nos da una clara lección de que muchas veces la arrogancia, combinada con la soberbia y el contexto equivocado nos pueden llevar a etiquetar algo que se desconoce cómo basura.

REFERENCIAS

The complete sequence of a human genome (science.org)

The Human Genome Sequence is Finally, Truly Complete | Genetics And Genomics (labroots.com)

Merfin: improved variant filtering, assembly evaluation and polishing via k-mer validation | Nature Methods