Los peldaños para descifrar los secretos de la vida.
Escrito por XQ y Publicado en Medium y en El nido de la investigación
Desde el descubrimiento del ADN hasta las modernas tecnologías de secuenciación, tenemos a nuestra disposición numerosas herramientas y técnicas para decodificar misterios biológicos.
Tres oportunidades clave aquí:
- Profundice en datos pasados para encontrar patrones que podrían haberse pasado por alto.
- Inventar nuevos métodos para manejar e interpretar los datos crecientes de manera más efectiva.
- Explore las correlaciones entre diferentes conjuntos de datos para descubrir conocimientos novedosos.
Pero ¿qué es exactamente la bioinformática?
Imagina que tienes una biblioteca enorme con miles de millones de libros y estás buscando información específica, como por qué algunas personas tienen ojos azules o cómo ciertas plantas resisten las plagas. La búsqueda manual llevaría vidas.
La bioinformática es como tener un bibliotecario superrápido con una computadora. Este bibliotecario puede buscar rápidamente en todos los libros, encontrar la información necesaria e incluso predecir dónde se puede encontrar nueva información.
Así es como ayuda:
- Velocidad: las computadoras pueden analizar cantidades masivas de información biológica rápidamente.
- Precisión: las computadoras reducen la posibilidad de errores humanos, lo que hace que los hallazgos sean más confiables.
- Nuevos descubrimientos: al detectar patrones en los datos, la bioinformática puede predecir nuevos hallazgos, como posibles objetivos farmacológicos o comprender mejor las enfermedades.
- Combinación de datos: puede combinar información de diferentes fuentes para una comprensión más holística. Por ejemplo, comparar los datos de una persona sana y alguien con una enfermedad puede resaltar lo que está mal.
- Rentable: en lugar de realizar costosos experimentos de laboratorio repetidamente, los investigadores pueden usar primero la bioinformática para predecir los resultados y luego validarlos en el laboratorio, ahorrando tiempo y dinero.
¿Dónde están todos los datos biológicos?
Aquí hay algunas fuentes populares:
1. Bases de datos genómicas
- GenBank : es una colección masiva de todas las secuencias de ADN disponibles públicamente.
- ENA (Archivo Europeo de Nucleótidos) : similar a GenBank pero mantenido por el Instituto Europeo de Bioinformática.
- DDBJ (Banco de datos de ADN de Japón) : versión japonesa de las bases de datos anteriores.
2. Bases de datos de proteínas
- Banco de datos de proteínas (PDB) : almacena estructuras 3D de proteínas, ácidos nucleicos y otras biomoléculas.
- UniProt : una base de datos completa de secuencias y anotaciones de proteínas.
3. Bases de datos de expresión genética
- Un poco de contexto: cada célula de nuestro cuerpo tiene el mismo ADN, pero no todos los genes del ADN están » activados » o activos en todas las células. Qué genes están activos (o “ expresados ”) determina la función de la célula. Por ejemplo, una célula del hígado tiene genes activos diferentes a los de una célula del cerebro. La expresión génica es el proceso mediante el cual se activan genes específicos para producir una proteína requerida.
- GEO (Gene Expression Omnibus) : archiva y distribuye libremente microarrays (una tecnología que nos permite medir los niveles de expresión de miles de genes a la vez), secuenciación de próxima generación y otras formas de datos genómicos funcionales de alto rendimiento.
4. Bases de datos de vías e interacción
- Un poco de contexto: en el fondo, nuestras células son miniciudades bulliciosas donde muchos procesos ocurren simultáneamente. Los genes se activan y desactivan, se producen proteínas y estas proteínas interactúan entre sí para realizar tareas. Al igual que en una ciudad, donde hay carreteras, intersecciones y señales que guían el tráfico, en las células hay caminos e interacciones que guían estos procesos.
- KEGG (Enciclopedia de genes y genomas de Kyoto) : una base de datos que proporciona información sobre sistemas, funciones y enfermedades mediante mapas gráficos.
- BioGRID : contiene datos sobre interacciones genéticas y de proteínas.
5. Bases de datos de enfermedades y variaciones.
- ClinVar : Contiene información sobre la variación genómica y su relación con la salud humana.
- OMIM (Herencia mendeliana en línea en el hombre) : una base de datos que cataloga genes humanos y trastornos genéticos.
Como puede ver, hay MUCHOS datos disponibles públicamente para explorar.
¿Cómo se ven realmente los datos?
El tipo de datos en estas bases de datos parece abstracto, pero se reducen a textos, números y, a veces, representaciones visuales. Aquí tienes una idea básica de cómo «lucen»:
- Datos genómicos : Suelen representarse como largas secuencias de letras correspondientes a las cuatro bases de nucleótidos del ADN: A (adenina), T (timina), C (citosina) y G (guanina). Por ejemplo:
ATCGGCTAACGTAAGCTT…
- Datos de proteínas : son como datos genómicos pero usan letras diferentes para los 20 aminoácidos. Por ejemplo:
METGFSAKIRL…
Las proteínas también se representan mediante estructuras 3D. Se trata de representaciones visuales, a menudo diagramas coloridos, que muestran la compleja estructura plegada de las proteínas. Se pueden explorar utilizando software especializado.
- Datos de expresión genética : pueden parecerse a una tabla u hoja de cálculo donde los genes se enumeran en un eje y varias condiciones o puntos temporales en otro. Las celdas de la tabla tienen números que indican cuánto está “activado” o “desactivado” cada gen.
¿Qué puedes hacer con estos datos?
Podemos hacer MUCHO.
- Comprensión y tratamiento de enfermedades
: identificar mutaciones genéticas relacionadas con enfermedades.
— Encontrar objetivos para nuevos medicamentos.
— Comprender las bases genéticas de la susceptibilidad y resistencia a las enfermedades. - Diseño y desarrollo de fármacos
: prediga cómo interactuarán los fármacos con sus proteínas diana.
— Identificar posibles efectos secundarios observando con qué otras proteínas podría interactuar un fármaco.
— Acelerar las pruebas de drogas simulando sus efectos antes de los ensayos de laboratorio. - Genómica comparada
: compare secuencias de ADN de diferentes especies para rastrear relaciones evolutivas.
— Identificar genes que se conservan (permanecen sin cambios) en todas las especies, lo que sugiere que tienen funciones cruciales.
— Descubrir genes que dan a las especies sus rasgos únicos. - Medicina personalizada
: adapte los tratamientos médicos según la composición genética de un individuo.
— Predecir el riesgo de un individuo de desarrollar determinadas enfermedades. - Agricultura
: mejorar los cultivos mediante la identificación de genes para rasgos deseables como resistencia a la sequía o mayor rendimiento.
— Estudiar plagas y patógenos para desarrollar medidas de control más efectivas. - Análisis forense
: utilice secuencias de ADN para identificar individuos o determinar la paternidad.
— Rastrear el origen de brotes o actos de bioterrorismo mediante el análisis de genomas microbianos. - Ecología y conservación
: comprender la biodiversidad mediante la secuenciación de ADN de muestras ambientales.
— Seguir especies en peligro de extinción o estudiar la genética de poblaciones para ayudar en los esfuerzos de conservación. - Genómica funcional
: comprenda qué hacen genes específicos, cuándo están activos y cómo interactúan con otros genes.
— Predecir la función de genes desconocidos basándose en la similitud con genes conocidos. - Biología estructural
: estudia las formas tridimensionales de proteínas y otras biomoléculas.
— Comprender cómo los cambios de forma (debidos a mutaciones o a la unión de fármacos) podrían afectar la función. - Biología sintética
: diseñar nuevos sistemas biológicos o modificar los existentes con fines beneficiosos, como la producción de biocombustibles o el tratamiento de residuos. - Estudios evolutivos
: rastrear la ascendencia y la migración de poblaciones o especies.
— Estudiar el origen y la propagación de la resistencia a los antibióticos entre los microbios.
Cada punto anterior puede formar la base de un enunciado de problema nuevo y específico que puede crear para explorar usted mismo. La clave radica en combinar datos biológicos con técnicas computacionales innovadoras para desbloquear conocimientos y soluciones que antes eran inimaginables.
Ejemplos prácticos
Profundicemos en el mundo de la bioinformática. En cada tutorial, cubriremos:
- Construyendo la intuición para pensar en un problema biológico.
- Cómo obtener y procesar los datos biológicos requeridos.
- Implementar nuestro enfoque o algoritmo para analizar los datos.
- Interpretar y documentar nuestros hallazgos.
Aquí hay algunas ideas para principiantes:
- Análisis de similitud de secuencias de ADN
Comprenda los conceptos básicos de la alineación de secuencias y descubra qué tan similares son dos secuencias de ADN. - Identificación de mutaciones genéticas relacionadas con enfermedades
Explore datos genómicos reales para identificar mutaciones que podrían estar asociadas con ciertas enfermedades. - Visualización de estructuras de proteínas
Obtenga una visión 3D de las proteínas y comprenda sus intrincadas formas y funciones. - Seguimiento de la evolución con ADN
Compara secuencias de diferentes especies para inferir sus relaciones evolutivas. - Predecir funciones genéticas
Basándose en anotaciones de genes conocidos, intente predecir las funciones de genes desconocidos o menos estudiados.
Aquí hay más ejemplos de inspiración si buscas algo más específico y complejo.
- Explore la evolución de la resistencia a los antibióticos en un patógeno común durante la última década.
—Datos: secuencias genómicas archivadas del patógeno de varios puntos temporales. - Investigar la similitud en genes relacionados con cualquier función entre humanos y otros mamíferos.
— Datos: Secuencias genómicas de humanos y mamíferos seleccionados (p. ej., perros, gatos, ratones). - ¿Explorar plantas acuáticas infrautilizadas o algas con indicadores genómicos de alto valor nutricional que podrían promocionarse como “superalimentos”?
— Datos: Secuencias genómicas de diversas plantas y algas acuáticas, datos nutricionales existentes de superalimentos conocidos. - Examina la evolución de la bioluminiscencia en criaturas de las profundidades marinas.
— Datos: datos genómicos o proteicos de organismos bioluminiscentes y especies no bioluminiscentes estrechamente relacionadas. - Predecir la función potencial de genes no caracterizados en un microbio de aguas profundas recién descubierto comparándolos con genes conocidos en microbios terrestres.
— Datos: secuencia genómica completa del microbio de las profundidades marinas y bases de datos genómicas de microbios terrestres bien estudiados. - ¿Podemos modificar las vías metabólicas de E. coli para mejorar la producción de biocombustibles (como el bioetanol) utilizando genes de algas productoras de biocombustibles?
— Datos: datos de las vías genómicas y metabólicas de E. coli y las algas productoras de biocombustibles.
Exploraremos todo lo anterior en futuros tutoriales donde podamos intentar resolver los problemas anteriores e implementar varias técnicas. #Manténganse al tanto.
(Este artículo se actualizará con los enlaces a esos tutoriales una vez que estén listos).
Direcciones futuras
- Análisis multiómico integrador
: a medida que avanza la tecnología, los investigadores pueden recopilar datos no solo sobre genomas (genómica), sino también sobre transcriptomas (transcriptómica), proteomas (proteómica), metabolomas (metabolómica) y más. La integración de datos de todas estas capas «ómicas» puede proporcionar una comprensión holística de los sistemas biológicos.
— Esto conducirá a una comprensión más completa de las enfermedades, a un mejor diseño de fármacos y a conocimientos sobre fenómenos biológicos complejos que no se pueden entender observando una sola capa.
— El gran volumen y diversidad de tipos de datos requieren técnicas computacionales y algoritmos avanzados para la integración y nuevos métodos para visualizar e interpretar los datos integrados. - Medicina personalizada y de precisión
: la bioinformática desempeña un papel central en el análisis de la información genómica individual para adaptar los tratamientos médicos a cada paciente.
— Esto puede conducir a tratamientos más eficaces con menos efectos secundarios, una mejor predicción de la enfermedad y estrategias de prevención adaptadas a la composición genética de cada individuo.
— Existen preocupaciones éticas y de privacidad en torno a los datos genómicos personales. Además, si bien podemos secuenciar genomas rápidamente, interpretar lo que significan todas las variaciones genéticas para la salud de un individuo sigue siendo una tarea enorme. - Inteligencia artificial y aprendizaje automático en bioinformática
: con la abundancia de datos biológicos disponibles, las técnicas de inteligencia artificial se están convirtiendo en herramientas indispensables para el análisis de datos, el reconocimiento de patrones y la predicción en bioinformática.
— La IA puede acelerar el descubrimiento de fármacos, mejorar la precisión del diagnóstico de enfermedades, predecir brotes de enfermedades e incluso descifrar las funciones de genes o regiones genéticas misteriosas.
— Estas técnicas requieren conjuntos de datos grandes y bien seleccionados para su capacitación. También existe la naturaleza de “caja negra” de algunos modelos de IA, donde su proceso de toma de decisiones puede no ser transparente, lo que hace crucial desarrollar modelos interpretables.
Lea un análisis similar que hice sobre ciencia de datos astronómicos aquí .
