Targeted ortholog search in unannotated genome assemblies with fDOG-Assembly

La vida en la Tierra está escrita en un código que se encuentra dentro de las células de cada ser vivo, un conjunto de instrucciones que le dice a un organismo cómo construirse y funcionar. Los científicos se han vuelto muy buenos leyendo las letras puras de este código, el ADN, de innumerables especies, desde los insectos más diminutos hasta los mamíferos más grandes. Pueden tomar una muestra de tejido, secuenciar el ADN y coser esos diminutos fragmentos para formar un genoma completo, que es esencialmente la biblioteca completa de instrucciones genéticas para esa especie. Sin embargo, tener la biblioteca es solo la mitad de la batalla. Para comprender verdaderamente qué es una especie y cómo evolucionó, los científicos necesitan saber qué partes de esa biblioteca son los capítulos de trabajo reales: los genes que construyen proteínas e impulsan los procesos vitales. Para muchos de los miles de nuevos genomas que reposan en bases de datos públicas, estos capítulos aún no han sido etiquetados ni identificados. Sin estas etiquetas, los datos permanecen como un libro cerrado, difícil de usar para comprender cómo se relacionan las diferentes especies o cómo funcionan, dejando una vasta cantidad de potencial biológico sin explotar.

Un equipo de investigadores ha desarrollado un nuevo método para desbloquear estas bibliotecas genéticas no etiquetadas sin necesidad de leer cada página primero. Crearon una herramienta llamada fDOG-Assembly, la cual está diseñada para buscar patrones genéticos específicos y familiares directamente dentro de las secuencias de ADN crudas y no anotadas. Tradicionalmente, encontrar estos patrones requería un proceso laborioso de identificar primero cada gen en el genoma, un paso que es lento y que a menudo falla en organismos complejos. Este nuevo enfoque se salta ese paso intermedio por completo. En lugar de intentar mapear toda la biblioteca, busca secuencias específicas y conocidas que actúan como huellas dactilares únicas. Los investigadores probaron su herramienta contra los métodos existentes y descubrieron que funciona igual de bien para encontrar estos marcadores genéticos estándar, pero con una ventaja crucial: no está limitada a una lista pequeña y fija de genes que son comunes a toda la vida. Puede buscar cualquier gen específico en el que el científico esté interesado, incluso en genomas que nunca han sido completamente mapeados.

Para demostrar que la herramienta funciona, los investigadores la utilizaron para buscar cinco mil genes humanos en los genomas de ratas y de un pariente de las anemonas de mar, un tipo de criatura similar a una medusa. Los resultados fueron sorprendentes. El nuevo método encontró los genes con una tasa de éxito que igualó a las mejores herramientas tradicionales, las cuales dependen de listas de proteínas totalmente etiquetadas. Más importante aún, encontró genes que los métodos antiguos pasaron por alto debido a que los mapas genéticos originales estaban incompletos. Al completar estas piezas faltantes, la herramienta ayuda a los científicos a construir una imagen más completa de cómo se comparten los genes a través del árbol de la vida. Los investigadores luego pusieron esta capacidad a trabajar en un misterio del mundo real relacionado con criaturas que habitan en el suelo. Escanearon las bibliotecas genéticas de 176 invertebrados diferentes encontrados en el suelo, buscando específicamente los genes responsables de fabricar antibióticos beta-lactámicos, una poderosa clase de medicinas utilizadas para combatir infecciones bacterianas.

La búsqueda reveló un descubrimiento sorprendente. Los genes necesarios para fabricar estos antibióticos no son raros o aislados; están ampliamente distribuidos entre los colémbolos, un tipo común de diminuto artrópodo del suelo. En algunas especies individuales, los investigadores encontraron casi el conjunto completo de instrucciones requeridas para producir cefamicina, un tipo específico de antibiótico beta-lactámico. Esto sugiere que estas criaturas pequeñas y a menudo ignoradas pueden ser fábricas naturales de estos compuestos vitales, un hecho que antes estaba oculto porque sus genomas carecían de las anotaciones adecuadas. El estudio no afirma haber demostrado que estos animales estén produciendo actualmente los fármacos en grandes cantidades, pero la presencia de la maquinaria genética completa implica fuertemente que tienen la capacidad de hacerlo. Al permitir que los científicos busquen directamente a través de los datos genéticos crudos, esta nueva herramienta abre la puerta para encontrar tesoros biológicos ocultos en las vastas y no cartografiadas colecciones de datos genómicos que han estado sentadas en estanterías durante años, convirtiendo libros sin leer en recursos activos para el descubrimiento.