Científicos del CABD desarrollan un programa bioinformático que identifica fragmentos ‘fósiles’ de genes

Juan Jiménez y Antonio Pérez-Pulido

Nada como leer un libro para comprender su contenido, y en eso anda la biología moderna, en plena euforia literaria leyendo genomas a destajo. Las técnicas actuales de secuenciación de ADN hacen que sean miles las secuencias de genomas completos disponibles para su análisis, y como en los libros, leer la secuencia de ADN es posiblemente la mejor forma de entender la información que contienen.

Un aspecto fundamental para entender la información de un genoma consiste en anotar todos sus genes, y en esa tarea es imprescindible el uso de programas bioinformáticos que identifican dónde comienza y dónde termina cada gen. Se conocen ya tantos millones de genes, que una forma práctica para identificar los genes en un nuevo genoma es buscar la existencia de genes parecidos en otros. Pero cuando hablamos de genes muy diferenciados, sin parecido obvio con otros, o genes donde su comienzo y final no es fácil de delimitar, su búsqueda es difícil y con frecuencia estos genes más complejos y novedosos pasan desapercibidos.

AnABlast identifica las regiones de ADN con información para codificar una proteína en base a un alto número de secuencias acumuladas. La ausencia de acúmulo es indicativo de una región entre genes, que no codifica proteínas.

Los investigadores Juan Jiménez y Antonio Pérez-Pulido, del Centro Andaluz de Biología del Desarrollo (Universidad Pablo de Olavide-CSIC-Junta de Andalucía), han desarrollado una nueva estrategia in sílico para encontrar genes y fragmentos “fósiles” de genes en los genomas, incluso cuando esos genes o fragmentos no tengan parecido con otros genes conocidos, o estén tan fragmentados que no se identifiquen inicio y fin de su secuencia codificadora. La estrategia es parecida a la que se usa para descifrar mensajes codificados de los espías. Aunque no se sepa lo que significa, una pequeña secuencia que se encuentra con más frecuencia que el azar en un texto posiblemente es una secuencia que significa algo, y esa idea, aplicada al análisis de la secuencia de un genoma, es lo que le ha permitido a los autores desarrollar un programa bioinformático (AnABlast), que discrimina dónde hay información con significado biológico simplemente por su alta frecuencia en las bases de datos respecto a la frecuencia por azar. Así, AnABlast permite discernir regiones con genes (que codifican proteínas) de las que no.

Los autores han aplicado el nuevo método al genoma completo de la levadura de fisión, y aun siendo uno de los organismos modelo mejor estudiados, el análisis con AnABlast les ha permitido identificar varios genes nuevos que pasaron desapercibidos en los procedimientos convencionales de anotación de genes. Incluso se encuentran fragmentos “fósiles” provenientes de otros genomas, o de reordenaciones ancestrales, algo que sin duda ayuda a entender la historia evolutiva de cada genoma. Además de la levadura, han demostrado que AnABlast es igualmente útil en genomas de organismos superiores como el del gusano C. elegans, lo que pronto les llevará a realizar el análisis AnaBlast del genoma humano.

En este trabajo ha colaborado el grupo dirigido por Juan Mata, del departamento de Bioquímica de la Universidad de Cambridge (Reino Unido), y se ha publicado en DNA Research, revista especializada en el análisis de genomas.

AnABlast: a new in silico strategy for the genome-wide search of novel genes and fossil regions.
Juan Jiménez, Caia D. S. Duncan, María Gallardo, Juan Mata, and Antonio J. Perez-Pulido. Centro Andaluz de Biología del Desarrollo, Universidad Pablo de Olavide de Sevilla/CSIC, Sevilla, Spain, and Department of Biochemistry, University of Cambridge, Cambridge, UK.
http://dnaresearch.oxfordjournals.org/content/early/2015/10/21/dnares.dsv025.full