Position-resolved k-mer analysis of mature microRNAs reveal widespread CG and UA depletion across taxa

Dentro de cada célula viva, una vasta red de diminutas instrucciones moleculares mantiene el funcionamiento fluido de la maquinaria de la vida. Entre las más importantes de estas instrucciones se encuentran unas cortas hebras de ARN llamadas micro-ARN. Estas moléculas actúan como reguladores precisos, encontrando secuencias coincidentes específicas en otros mensajes genéticos y silenciándolas para asegurar que la célula produzca las proteínas adecuadas en el momento adecuado. Para que un micro-ARN funcione, su forma y composición química deben ser exactas. Los científicos han sabido durante mucho tiempo que las primeras letras de la secuencia de un micro-ARN son críticas, actuando como una llave que encaja en una cerradura específica para iniciar el proceso. Sin embargo, las reglas que gobiernan el resto de la molécula —las letras que siguen a esas primeras pocas— han permanecido en el misterio. ¿Siguen las letras que se sientan una al lado de la otra en estas diminutas hebras un patrón oculto, o están dispuestas de forma aleatoria?

Un equipo de investigadores de la Universidad Bharathidasan en la India ha mapeado ahora todo el panorama de estas diminutas moléculas para responder a esa pregunta. No examinaron solo un puñado de ejemplos; en su lugar, analizaron casi 49,000 registros de micro-ARN maduros de 271 organismos diferentes, que van desde humanos y otros mamíferos hasta insectos, peces y plantas. Al analizar esta colección masiva, descubrieron que la disposición de las letras en estas moléculas está lejos de ser aleatoria. Existe una regla general y constante que gobierna cómo se construyen estas cortas hebras genéticas, una regla que se mantiene a loza de la totalidad del árbol de la vida.

Los investigadores se centraron en la frecuencia con la que aparecen pares de letras específicos uno al lado del otro. En el lenguaje de la genética, estos pares se denominan dinucleótidos. Cuando contaron cada posible combinación a través de los millones de secuencias que estudiaron, dos pares específicos destacaron por su ausencia. La combinación de las letras C y G, y la combinación de U y A, aparecieron con mucha menos frecuencia de lo que predeciría el azar. De hecho, el par C-G fue el más raro de las dieciséis combinaciones posibles, representando solo alrededor del 3.3 por ciento del total. El par U-A fue el segundo más raro. Por el contrario, el par U-G fue el más común, apareciendo significativamente más a menudo de lo esperado.

Para asegurar que estos hallazgos no fueran simplemente un resultado de los números, los científicos utilizaron un método riguroso de comparación. Crearon dos conjuntos diferentes de escenarios de "qué pasaría si". En el primero, tomaron las mismas secuencias de micro-ARN y desordenaron el orden de las letras dentro de cada una, manteniendo el número total de cada letra pero destruyendo cualquier orden natural. En el segundo, mezclaron las letras en cada posición específica a través de todas las secuencias de la misma longitud. Incluso cuando se compararon con estas versiones aleatorias y desordenadas, los micro-ARN reales seguían mostrando una clara falta de pares C-G y U-A. Esto demostró que la escasez de estos pares es una característica genuina de las moléculas, no solo un efecto secundario de cuántas de cada letra hay presentes.

Este patrón de escasez no se limitó solo a los pares de dos letras. Los investigadores también observaron grupos de tres letras, conocidos como trinucleótidos. Descubrieron que cada combinación que contenía un par C-G o un par U-A también estaba depletada, apareciendo con menor frecuencia de lo que predecían los modelos aleatorios. Esto sugiere que la regla contra estos vecinos específicos se aplica a lo largo de toda la longitud del micro-ARN, no solo en un punto específico. El hallazgo fue consistente en los diez grupos principales de organismos que probaron, desde plantas con flores hasta gusanos nematodos y humanos. Ya fuera el organismo una planta o un animal, los micro-ARN evitaban consistentemente colocar una C junto a una G o una U junto a una A.

Hubo una excepción interesante que requirió una inspección más cercana. Aunque el par U-A era raro en general, los investigadores notaron un pequeño pico en su frecuencia al principio de la secuencia del micro-ARN. En la primera posición, el par U-A apareció con más frecuencia que en el resto de la molécula. Sin embargo, cuando los científicos tomaron en cuenta el hecho de que la primera letra de un micro-ARN es casi siempre una U, este pico desapareció. Resultó que el alto número de pares U-A al inicio se debía simplemente a que había tantas U al principio para empezar, no porque la molécula tuviera una preferencia especial por colocar una A justo después de una U. Una vez que se tuvo en cuenta esta composición inicial, el par U-A resultó estar depletado en todas partes, al igual que el par C-G.

El estudio también exploró por qué podrían existir estos patrones. Para los pares C-G faltantes, una explicación plausible reside en la historia de la mutación del ADN. En muchos animales, la letra C suele modificarse químicamente de una manera que la hace propensa a cambiar en una T (o U en el ARN) a lo largo de la evolución. Si un par C-G en el ADN muta en un par U-G, el ARN resultante tendría naturalmente menos pares C-G y más pares U-G. Esto coincide con la observación de los investigadores de que el U-G es el par más común mientras que el C-G es el más raro. Sin embargo, el artículo señala que esto es solo una hipótesis; el estudio no midió directamente la metilación del ADN ni las tasas de mutación, por lo que esto sigue siendo una posibilidad probable más que una causa confirmada.

La razón de la escasez del par U-A, sin embargo, sigue siendo un misterio absoluto. Los investigadores no pudieron encontrar un mecanismo biológico que explique por qué estas dos letras se evitan entre sí. Es posible que la estructura de la propia molécula, la forma en que se procesa dentro de la célula o la forma en que interactúa con sus objetivos haga que la combinación U-A sea inestable o indeseable. El estudio identificó con éxito que esta depleción existe y es universal, pero se queda corto al explicar por qué.

Al crear un mapa detallado de cómo se disponen las letras en estos diminutos reguladores, los investigadores han proporcionado una nueva base para comprender la biología del micro-ARN. Han demostrado que estas moléculas no son solo cadenas aleatorias de letras, sino que están construidas con una arquitectura específica y conservada que se ha mantenido a lo largo de millones de años de evolución. Aunque la razón completa de esta arquitectura aún no se conoce, el descubrimiento de que los micro-ARN evitan universalmente ciertas combinaciones de letras ofrece una nueva pista para los científicos que intentan comprender cómo funcionan y evolucionan estas moléculas críticas. El trabajo sugiere que las reglas de la vida no se escriben solo en las letras individuales, sino en las formas específicas en que esas letras se permiten sentarse una al lado de la otra.