Earl Grey ParTEA: scalable, consistent transposable element annotation from pangenomes to deep phylogenetic scopes

El genoma humano, y de hecho el genoma de casi cualquier ser vivo, no es una biblioteca estática de instrucciones, sino un paisaje dinámico constantemente remodelado por sus propios habitantes internos. Entre estos habitantes más activos se encuentran los elementos transponibles, a menudo llamados "genes saltarines". Estos son tramos de ADN que pueden copiarse a sí mismos e insertarse en nuevas ubicaciones dentro de un genoma, de forma muy parecida a un libro que puede fotocopiar sus propias páginas y pegarlas en diferentes capítulos. Aunque muchas de estas inserciones son inofensivas o incluso beneficiosas, otras pueden interrumpir genes o alterar la forma en que funciona el genoma. Debido a que estos elementos se mueven y multiplican, son una fuente importante de variación genética, impulsando la evolución y, a veces, causando enfermedades. Para comprender cómo las especies se adaptan, cómo divergen o cómo se construyen sus genomas, los científicos deben ser capaces de mapear estos genes saltarines con precisión. Sin embargo, hacer esto ha sido una tarea difícil, especialmente cuando se intenta comparar muchos genomas diferentes a la vez.

Tradicionalmente, los investigadores han analizado estos viajeros genéticos un genoma a la vez. Construían un catálogo de genes saltarines para un único organismo de referencia y utilizaban esa lista para encontrar elementos similares en otros individuos. Este enfoque tiene un fallo crítico: si una familia de genes saltarines falta en el catálogo de referencia, se perderá por completo en las nuevas muestras. Por el contrario, si los investigadores construyen un catálogo separado para cada uno de los genomas que estudian, los resultados se vuelven desordenados. La misma familia de genes saltarines podría recibir nombres diferentes en distintos catálogos, lo que imposibilita saber si dos organismos comparten una historia genética común o si han desarrollado sus propias versiones únicas. Esto crea un punto ciego en nuestra comprensión de cómo la diversidad genética se propaga entre especies y poblaciones.

Para resolver este problema, Tobias Baril, Alice Feurtey y Daniel Croll han desarrollado una nueva herramienta automatizada llamada Earl Grey ParTEA. Piense en ella como un bibliotecario maestro que no solo cataloga libros de una sola biblioteca, sino que primero reúne todos los libros de mil biblias diferentes, los fusiona en una colección gigante y no redundante, y luego utiliza esa única colección completa para volver a catalogar cada biblioteca. Este flujo de trabajo está diseñado para manejar grandes grupos de genomas simultáneamente, ya sean diez individuos de la misma especie de planta, diez especies de moscas de la fruta o diez especies de hongos de todo el reino. Al construir una biblioteca única y compartida de genes saltarines a partir de todos los genomas de entrada a la vez, la herramienta garantiza que cada genoma sea anotado con el mismo conjunto consistente de nombres y definiciones. Esto permite a los científicos comparar directamente cuántos genes saltarines tiene cada organismo, cuáles comparten y cuáles son únicos para ellos.

Los investigadores probaron este nuevo sistema en tres escalas de vida muy diferentes para ver qué tan bien funcionaba. Primero, analizaron diez accesiones de la planta modelo Arabidopsis thaliana. Incluso dentro de esta única especie, que está muy estrechamente relacionada, la herramienta reveló que un único genoma de referencia no era suficiente para capturar la imagen completa. A medida que añadían más genomas de plantas al análisis, el número de familias de genes saltarines identificadas creció significativamente, alcanzando un total de 1.357 familias distintas. El análisis mostró que, si bien la mayoría de estas familias eran compartidas por todas las plantas, un pequeño número eran únicas para individuos específicos. Esto sugiere que incluso dentro de una misma especie, el paisaje genético es más diverso y dinámico de lo que se pensaba, con algunos individuos portando una carga genética única que otros carecen.

A continuación, el equipo aplicó la herramienta a diez especies diferentes de moscas de la fruta, un grupo que está más distantemente relacionado que las plantas. Aquí, el poder del nuevo método se hizo aún más evidente. Una biblioteca estándar y preexistente de genes saltarines de la mosca de la fruta contenía solo 343 familias. Sin embargo, al usar ParTEA para construir una nueva biblioteca a partir de las diez especies combinadas, el número de familias identificadas explotó hasta alcanzar las 1.852. Este aumento masivo reveló que una cantidad significativa de diversidad genética estaba siendo omitida por los métodos más antiguos. Un descubrimiento sorprendente fue un tipo específico de gen saltarín, conocido como elemento de círculo rodante, que se encontraba en números muy bajos en la mayoría de las especies de moscas, pero que había explotado en más de 6.000 copias en una especie específica, Drosophila miranda. Sin la capacidad de la nueva herramienta para observar todos los genomas juntos, esta expansión masiva habría permanecido oculta, ya que no estaba presente en las bibliotecas de referencia estándar utilizadas para las moscas de la fruta.

Finalmente, los investigadores llevaron la herramienta al límite analizando diez especies de hongos de todo el reino fúngico, representando una vasta distancia evolutiva. En esta comparación profunda, los resultados fueron muy diferentes. Debido a que estas especies están tan alejadas en su historia evolutiva, sus genes saltarines habían divergido tanto que casi ninguno era compartido. La herramienta identificó casi 2.800 familias, pero la gran mayoría eran únicas de un solo genoma, y solo una pequeña fracción era compartida por las diez especies. Esto confirmó que, a lo largo de periodos de tiempo prolongados, las "familias" genéticas de los genes saltarines cambian completamente, con las antiguas desapareciendo y las nuevas emergiendo. La herramienta también resaltó que la calidad de los datos genómicos importa; para algunos hongos con genomas muy pequeños o fragmentados, el análisis fue más difícil, pero el proceso logró organizar los datos y proporcionar una imagen clara de las diferencias en el contenido genético.

Más allá de simplemente contar y nombrar estos elementos, la herramienta proporciona una forma de visualizar la historia de su actividad. Puede mostrar si una especie está experimentando actualmente un estallido de nuevas inserciones de genes saltarines o si su genoma está dominado por copias más antiguas e inactivas. En los ejemplos de la mosca de la fruta y los hongos, los investigadores pudieron ver que algunas especies están acumulando activamente nuevas copias de genes específicos, mientras que otras mostraban signos de actividad antigua que se había ralentizado hace mucho tiempo. Este tipo de comparación detallada ayuda a los científicos a entender no solo qué material genético está presente, sino cómo ha cambiado con el tiempo y cómo podría estar influyendo en la evolución de las especies.

La importancia de este trabajo radica en su capacidad para estandarizar cómo observamos la diversidad genética. Al alejarse de las instantáneas de un solo genoma y avanzar hacia un enfoque comparativo unificado, la herramienta revela una imagen mucho más rica y precisa del mundo viviente. Muestra que la diversidad genética dentro de una especie es a menudo más profunda de lo esperado, y que las diferencias entre especies pueden ser profundas. Los investigadores han puesto esta herramienta a disposición de la comunidad científica, permitiendo que otros apliquen los mismos métodos rigurosos y consistentes a sus propios estudios. Esto allana el camino para una nueva era en la investigación genómica donde el complejo y cambiante paisaje de los genes saltarines pueda mapearse con claridad, ayudando a desentrañar los secretos de cómo la vida evoluciona y se adapta.