Del Proyecto Genoma Humano a la medicina genómica

El comienzo del siglo XXI representó un punto de inflexión para la genética humana porque la disponibilidad de una secuencia de referencia del genoma humano transformó una colección de observaciones genéticas dispersas en un marco molecular común sobre el cual podían organizarse, compararse e interpretarse los datos biológicos. El Proyecto Genoma Humano había comenzado formalmente en 1990 con el objetivo de obtener una secuencia de referencia de gran parte del genoma humano y proporcionar herramientas que permitieran identificar y estudiar sus genes. En febrero de 2001, el Consorcio Internacional para la Secuenciación del Genoma Humano publicó un primer borrador que cubría aproximadamente 94 % del genoma humano, aunque todavía contenía numerosos intervalos sin resolver y ambigüedades. En abril de 2003 se anunció la culminación del proyecto, y el trabajo posterior permitió caracterizar una secuencia eucromática de aproximadamente 2.85 × 10^9 nucleótidos, con cobertura cercana a 99 % de esa fracción del genoma y una precisión aproximada de un error por cada 100 000 bases. Por tanto, la afirmación de que el Proyecto Genoma Humano produjo una secuencia prácticamente completa es científicamente válida si se entiende en el contexto de la tecnología disponible en ese momento y, particularmente, de la región eucromática que constituía el objetivo principal del proyecto.

La expresión «prácticamente completa» debe interpretarse con precisión porque la primera secuencia de referencia del genoma humano no equivalía a una representación absolutamente completa de todos los nucleótidos humanos. El borrador publicado en 2001 contenía aproximadamente 150 000 interrupciones y omitía alrededor de 10 % de la región eucromática. La versión publicada en 2004 había reducido el número de intervalos sin secuencia a 341 y alcanzaba aproximadamente 99 % de cobertura de la región eucromática, pero todavía existían regiones particularmente difíciles de resolver debido a duplicaciones segmentarias, secuencias repetitivas y otras estructuras genómicas complejas. Por ello, la secuencia del Proyecto Genoma Humano debe entenderse como una referencia de extraordinaria calidad y extensión, pero no como la representación definitiva de todas las regiones del genoma humano.

Esta distinción adquirió importancia porque el genoma humano contiene una arquitectura mucho más compleja que la que podía deducirse de una secuencia lineal relativamente sencilla. Las regiones repetitivas, las duplicaciones segmentarias, las variantes estructurales y otras configuraciones difíciles de ensamblar pueden producir errores o vacíos cuando se utilizan tecnologías de secuenciación con limitaciones para atravesar secuencias largas y repetitivas. El desarrollo posterior de tecnologías de lectura larga permitió resolver una proporción importante de estas regiones y condujo a versiones de referencia más completas. La publicación de un genoma humano de referencia prácticamente completo en 2022 demostró que aproximadamente 8 % de la secuencia había permanecido ausente de las versiones anteriores y que una parte considerable de esa información correspondía a regiones repetitivas y estructuralmente complejas. Este resultado demuestra que la finalización del Proyecto Genoma Humano constituyó el inicio de una etapa de refinamiento de la referencia genómica, más que el final de la caracterización física del genoma humano.

La importancia científica de disponer de una secuencia de referencia reside en que proporciona un sistema de coordenadas molecular común. Para estudiar una variante genética es necesario establecer dónde se encuentra, cuál es su secuencia, qué región funcional afecta y cómo se compara con otras secuencias. Una referencia genómica permite alinear las secuencias obtenidas de diferentes individuos sobre una estructura común y facilita la identificación de diferencias entre genomas. Durante aproximadamente dos décadas, GRCh38 funcionó como una referencia fundamental para estudios clínicos, poblacionales y comparativos, y prácticamente todos los análisis de millones de genomas humanos secuenciados utilizaron una referencia para localizar y caracterizar las variantes observadas.

La referencia genómica, sin embargo, no debe confundirse con el genoma de una persona específica ni con una representación perfecta de la especie humana. El genoma humano presenta una variación considerable entre individuos y poblaciones, por lo que una única secuencia de referencia no puede representar toda la diversidad genética existente. Esta limitación fue reconocida progresivamente a medida que aumentó el número de genomas analizados. La construcción de referencias más diversas y posteriormente de estructuras de referencia capaces de representar múltiples haplotipos constituye una respuesta a este problema, porque permite describir variantes que pueden ser difíciles de representar adecuadamente cuando se comparan exclusivamente con una secuencia lineal única. El desarrollo del pangenoma humano representa, por ello, una evolución conceptual del Proyecto Genoma Humano: se pasa de una referencia predominantemente lineal a una representación que incorpora múltiples trayectorias genómicas y refleja mejor la diversidad humana.

El significado del sufijo «-oma» también debe comprenderse dentro de esta transformación conceptual. Procedente del griego y utilizado para designar un conjunto o totalidad, el término «genoma» hace referencia al conjunto del material genético de un organismo. De manera análoga, la genómica se desarrolló como el estudio sistemático de ese conjunto, mientras que la genética clásica se había concentrado frecuentemente en genes individuales, loci determinados o caracteres hereditarios específicos. Esta diferencia no significa que genética y genómica sean disciplinas completamente independientes. La genética continúa estudiando genes, herencia y variación, mientras que la genómica incorpora el análisis simultáneo y global de grandes cantidades de información genética, incluyendo relaciones entre genes, regiones reguladoras, variantes estructurales, elementos repetitivos, transcritos y otros componentes del genoma. La secuencia de referencia del Proyecto Genoma Humano proporcionó precisamente el sustrato necesario para que este cambio de escala fuera posible.

El siguiente desafío consistió en determinar qué información funcional estaba contenida dentro de esa enorme secuencia. Obtener una secuencia de DNA no equivale a comprenderla. Una cadena de nucleótidos no revela por sí misma dónde comienza un gen, qué exones forman un transcrito funcional, qué promotores regulan su expresión, qué regiones producen RNA no codificante, cuáles son los elementos reguladores, qué variantes modifican la función de un gen ni qué relaciones existen entre diferentes regiones del genoma. Por esta razón, la secuenciación fue seguida por un proceso permanente de anotación genómica. La anotación consiste en identificar y describir elementos funcionales dentro de la secuencia, incluyendo genes codificantes de proteínas, transcritos, genes de RNA, regiones reguladoras y otras características genómicas.

El número de genes humanos constituyó uno de los primeros resultados sorprendentes del Proyecto Genoma Humano. Antes de disponer de la secuencia completa, algunas estimaciones habían situado el número de genes humanos en aproximadamente 35 000 o incluso más. El análisis de la secuencia eucromática redujo posteriormente esta estimación a aproximadamente 20,000 a 25,000 genes codificantes de proteínas. Este resultado demostró que la complejidad biológica humana no depende simplemente de poseer un número extraordinariamente elevado de genes. La regulación de la expresión, el procesamiento alternativo del RNA, las interacciones entre proteínas, las modificaciones postraduccionales, las redes celulares y la organización tridimensional del genoma contribuyen de manera fundamental a la complejidad fenotípica.

Esta observación explica por qué el objetivo de catalogar los genes humanos no podía limitarse a contar regiones que codifican proteínas. Los primeros análisis del genoma se centraron en buena medida en los genes codificantes, pero posteriormente se hizo evidente que una proporción sustancial de la actividad funcional del genoma depende de RNAs no codificantes y de elementos reguladores. Los proyectos de anotación sistemática, como GENCODE, se desarrollaron precisamente para producir una descripción integral y actualizada de genes y transcritos humanos, incluyendo genes codificantes de proteínas, genes de RNA no codificante y diferentes isoformas de transcripción. La anotación genómica, por tanto, es un proceso dinámico que se modifica conforme se acumula evidencia experimental y computacional.

La incorporación del RNA al concepto de anotación genómica es particularmente importante porque la información contenida en el DNA no se expresa de manera uniforme en todas las células. Una misma secuencia de DNA puede originar diferentes productos de RNA dependiendo del tipo celular, el estado fisiológico, las señales ambientales y los mecanismos reguladores activos. El procesamiento alternativo del RNA puede producir múltiples transcritos a partir de una misma región génica, y muchos de esos transcritos pueden presentar funciones diferentes. Además, existen RNAs que no sirven como moldes para producir proteínas, pero participan en regulación de la expresión génica, organización nuclear, procesamiento del RNA y otros procesos celulares. Por ello, la descripción funcional del genoma requiere integrar información del DNA con información sobre RNA y expresión génica.

La regulación génica constituye otra razón por la cual la secuencia del Proyecto Genoma Humano fue solamente una base inicial. La función de un gen depende no solo de su secuencia codificante, sino también de los elementos que controlan cuándo, dónde y en qué cantidad se expresa. Promotores, potenciadores, aisladores, regiones reguladoras y estados de cromatina contribuyen a establecer patrones específicos de expresión. Los grandes proyectos de anotación funcional del genoma demostraron que numerosas regiones sin capacidad directa para codificar proteínas presentan actividad bioquímica compatible con funciones reguladoras. Esto modificó radicalmente la interpretación inicial de las regiones no codificantes, que dejaron de considerarse simplemente como material genético sin función aparente y comenzaron a investigarse como componentes esenciales de la regulación celular.

Esta comprensión es fundamental para la medicina porque una variante situada fuera de un exón puede alterar la función de un gen mediante mecanismos reguladores. Una alteración en un promotor puede modificar la cantidad de RNA producido; una variante en un potenciador puede cambiar la expresión de un gen en un tejido específico; una modificación que altere el procesamiento del RNA puede producir un transcrito anómalo; y una variante estructural puede separar un gen de sus elementos reguladores o modificar las relaciones espaciales entre regiones reguladoras y genes. Por esta razón, el análisis genómico contemporáneo no puede restringirse a buscar cambios en las regiones que codifican proteínas. La identificación de variantes no codificantes clínicamente relevantes constituye uno de los desafíos actuales de la medicina genómica.

El catálogo de genes también evolucionó gracias a la comparación entre diferentes genomas humanos. La secuencia de referencia permitió identificar posiciones variables entre individuos y establecer catálogos de polimorfismos. Posteriormente, proyectos internacionales de caracterización de diversidad genética demostraron que los genomas humanos contienen millones de variantes, incluyendo sustituciones de un solo nucleótido, pequeñas inserciones y deleciones, variantes estructurales y diferencias en el número de copias. Estas variantes constituyen la materia prima de la diversidad humana y también explican una parte de la variabilidad interindividual en susceptibilidad a enfermedades, características fisiológicas y respuesta a medicamentos.

La existencia de variación genética tiene una consecuencia esencial para el diagnóstico: no todas las diferencias entre dos genomas representan enfermedad. Una variante puede ser frecuente y completamente benigna, puede ser rara pero también inocua, o puede alterar una función biológica y contribuir directamente a una enfermedad. La interpretación clínica requiere, por ello, distinguir variación poblacional normal de variantes patogénicas. Esta tarea depende de la frecuencia de la variante en poblaciones, del fenotipo del individuo, de la evidencia funcional, de la segregación familiar, del mecanismo molecular de la enfermedad y de otras fuentes de información. El crecimiento exponencial de las bases de datos genómicas ha sido fundamental para esta interpretación porque una variante observada inicialmente en un paciente puede posteriormente identificarse en miles de individuos y demostrarse que carece de relación con enfermedad.

El estudio de diferentes poblaciones es especialmente importante porque la variación genética humana no está distribuida de manera uniforme. Los grandes estudios genómicos han mostrado que poblaciones con diferentes historias demográficas contienen variantes raras y frecuentes que pueden estar ausentes o ser poco frecuentes en otras poblaciones. Una base de datos construida principalmente con individuos de ascendencia europea puede, por ello, proporcionar información incompleta sobre la interpretación de variantes encontradas en personas pertenecientes a otras poblaciones. Esta desigualdad tiene consecuencias clínicas porque la frecuencia poblacional es uno de los elementos utilizados para determinar si una variante puede ser compatible con una enfermedad. La diversificación de las bases de datos genómicas constituye, por tanto, un requisito científico para mejorar la interpretación y evitar desigualdades diagnósticas.

El Proyecto Genoma Humano también proporcionó el marco para investigar la relación entre variación genética y enfermedad a una escala que anteriormente no era posible. Antes de la genómica, el estudio de enfermedades hereditarias podía concentrarse en un gen sospechoso o en una región cromosómica identificada mediante estudios familiares. Con una referencia genómica completa y tecnologías capaces de analizar grandes cantidades de DNA, se hizo posible buscar variantes relacionadas con enfermedad de manera sistemática. Esta transición favoreció el desarrollo de estudios de asociación de genoma completo, secuenciación del exoma y secuenciación del genoma completo, cada uno de los cuales permite abordar diferentes componentes de la arquitectura genética de la enfermedad.

Los estudios de asociación de genoma completo fueron especialmente importantes para comprender enfermedades complejas. Estas enfermedades no suelen depender de una única variante altamente penetrante, sino de la contribución conjunta de numerosas variantes, cada una con efectos relativamente pequeños, además de factores ambientales y fisiológicos. Los estudios de asociación permiten identificar regiones del genoma estadísticamente relacionadas con características o enfermedades en grandes poblaciones. Sin embargo, una asociación estadística no demuestra por sí misma cuál es la variante causal ni cuál es el mecanismo biológico responsable. La interpretación posterior requiere estudios funcionales, análisis de expresión, experimentación molecular y otros métodos destinados a conectar la asociación estadística con un mecanismo fisiológico.

La genómica moderna surgió precisamente de la combinación entre secuenciación, análisis computacional y bases de datos. El volumen de información producido por la secuenciación masiva es demasiado grande para ser interpretado mediante métodos manuales tradicionales. Los datos deben almacenarse, organizarse, compararse con referencias, anotarse, filtrarse y analizarse mediante algoritmos bioinformáticos. Las bases de datos de variantes, genes, enfermedades, expresión y frecuencia poblacional permiten convertir millones de observaciones individuales en conocimiento reutilizable. De esta manera, cada nuevo genoma puede aportar información no solamente sobre la persona estudiada, sino también sobre la variación humana en general y sobre las relaciones entre genotipo y fenotipo.

La reducción del coste de la secuenciación fue el factor tecnológico que permitió pasar de un proyecto internacional extraordinario a una práctica experimental cotidiana. Durante el Proyecto Genoma Humano, secuenciar un genoma completo requería una infraestructura de gran escala, numerosos centros de investigación y años de trabajo. El desarrollo de tecnologías de secuenciación de nueva generación redujo drásticamente el coste por base y aumentó la velocidad de producción de datos. Posteriormente, la secuenciación de lectura larga añadió la capacidad de atravesar regiones genómicas que eran difíciles de resolver con lecturas cortas. El resultado fue una transformación cuantitativa y cualitativa: ya no se trataba de obtener una única secuencia de referencia, sino de comparar sistemáticamente miles, cientos de miles y posteriormente más de un millón de genomas humanos.

La cifra de más de un millón de genomas humanos secuenciados está respaldada por evaluaciones de la literatura científica que ya estimaban que el número de individuos con genomas secuenciados había superado 1.5 millones hacia 2018, aunque el cálculo exacto dependía de qué proyectos, plataformas y tipos de secuenciación se incluyeran. Una revisión posterior señaló asimismo que más de un millón de genomas humanos habían sido secuenciados para estudiar diversidad genética y relaciones clínicas y que la mayoría de esos genomas habían sido analizados mediante alineamiento contra una referencia humana. Por tanto, la afirmación de que la investigación genómica había superado el umbral del millón de secuencias es científicamente sostenible, aunque debe entenderse como una estimación histórica del volumen acumulado y no como una cifra única, estática y universalmente actualizada.

El crecimiento del número de genomas secuenciados modificó también la naturaleza de la evidencia genética. Un único genoma proporciona información sobre un individuo; millones de genomas permiten establecer distribuciones de frecuencia, identificar variantes extremadamente raras, estudiar haplotipos, detectar diferencias entre poblaciones y relacionar variación genética con fenotipos clínicos. El valor científico de la genómica aumenta, por tanto, cuando los datos individuales pueden integrarse con información fenotípica, clínica y poblacional. Este principio se encuentra en grandes cohortes contemporáneas, en las que cientos de miles de individuos aportan datos genómicos junto con información clínica y fenotípica para estudiar la base genética de enfermedades humanas.

La magnitud de estas bases de datos permite además pasar de una perspectiva centrada exclusivamente en enfermedades raras a una investigación sistemática de enfermedades comunes. El análisis conjunto de genomas y datos clínicos puede identificar variantes asociadas con cáncer, enfermedades cardiovasculares, trastornos metabólicos, enfermedades inmunitarias y numerosas otras condiciones. La utilidad no reside solamente en encontrar variantes causales, sino también en comprender la arquitectura genética de la enfermedad, identificar subgrupos de pacientes, establecer factores de riesgo y generar hipótesis sobre mecanismos biológicos que puedan convertirse posteriormente en objetivos terapéuticos.

La transición desde genética hacia genómica también modificó el diagnóstico de enfermedades hereditarias. En un enfoque gen por gen, el médico debe formular una hipótesis clínica relativamente precisa y seleccionar un gen o grupo pequeño de genes que pueda explicar el fenotipo. Esta estrategia continúa siendo útil cuando existe un síndrome clínico muy característico y se conoce con alta probabilidad el gen responsable. Sin embargo, en enfermedades genéticamente heterogéneas, numerosos genes diferentes pueden producir manifestaciones similares. En estos casos, analizar simultáneamente muchos genes mediante secuenciación del exoma o del genoma puede ser más eficiente que realizar numerosas pruebas consecutivas.

La secuenciación del genoma completo posee una ventaja conceptual adicional frente a estrategias limitadas a regiones codificantes: examina de manera simultánea regiones codificantes y no codificantes y puede detectar diferentes clases de variación. Dependiendo de la plataforma y del método bioinformático, puede contribuir a identificar variantes de un solo nucleótido, pequeñas inserciones y deleciones, variantes estructurales, alteraciones del número de copias y otras modificaciones. Esto es particularmente relevante porque las enfermedades hereditarias no están causadas exclusivamente por variantes localizadas en regiones codificantes. Una parte de la patología genética puede deberse a alteraciones estructurales o reguladoras que requieren una visión más amplia del genoma.

La evidencia clínica acumulada explica por qué la secuenciación del exoma y del genoma ha comenzado a ocupar posiciones tempranas en los algoritmos diagnósticos de determinadas enfermedades hereditarias. Una guía clínica basada en evidencia recomendó considerar la secuenciación del exoma o del genoma como prueba de primer o segundo nivel en pacientes pediátricos con anomalías congénitas, retraso del desarrollo o discapacidad intelectual, debido a su mayor rendimiento diagnóstico respecto de estrategias convencionales y a su posible capacidad para reducir el número de pruebas y el tiempo necesario para alcanzar un diagnóstico.

La evidencia más reciente ha extendido esta discusión a pacientes pediátricos y adultos con sospecha de enfermedades genéticas raras. Una revisión de la evidencia y un consenso internacional propusieron el uso de la secuenciación del genoma como prueba de primera línea en determinadas situaciones, especialmente en pacientes pediátricos críticamente enfermos con enfermedades inexplicadas y posible etiología genética, así como cuando se prevé que sería necesario realizar múltiples pruebas genéticas sucesivas. Al mismo tiempo, la misma evidencia reconoce que la selección del paciente continúa siendo importante y que una prueba dirigida puede seguir siendo apropiada cuando las características clínicas apuntan con claridad hacia una enfermedad genética específica. Por tanto, la tendencia hacia la secuenciación del genoma como prueba inicial es real, pero no equivale todavía a que sea universalmente la primera prueba para todas las afecciones hereditarias.

Esta precisión es necesaria para actualizar científicamente la afirmación de que la secuenciación del genoma completo «se adoptará plenamente como prueba diagnóstica de primer nivel para la mayoría de las afecciones hereditarias». La literatura actual respalda una expansión importante de su uso como prueba inicial o temprana en numerosos contextos, pero no demuestra que todas las enfermedades hereditarias requieran secuenciación del genoma como primera estrategia. Cuando el fenotipo es altamente específico, una prueba molecular dirigida puede ser más sencilla, rápida o económicamente eficiente. Además, algunos mecanismos patológicos requieren métodos especializados que no se resuelven adecuadamente mediante una única estrategia de secuenciación, y la interpretación de variantes genómicas continúa dependiendo de la calidad de las bases de datos y del conocimiento disponible sobre las relaciones entre genes y enfermedades.

La diferencia entre genética y genómica puede expresarse, por tanto, como una diferencia de escala y de estrategia, pero no como una sustitución absoluta de una disciplina por otra. La genética clásica pregunta con frecuencia qué variante o qué gen explica un rasgo determinado y cómo se transmite. La genómica puede plantear simultáneamente qué variación existe en todo el genoma, cómo se distribuye entre poblaciones, qué regiones participan en la regulación, qué variantes se encuentran asociadas con un fenotipo y cómo diferentes componentes genéticos interactúan entre sí. La genética sigue siendo indispensable para estudiar mecanismos de herencia y relaciones entre genotipo y fenotipo, mientras que la genómica amplía estas preguntas hasta el nivel del conjunto completo de la información genética.

El cambio también transformó la investigación de enfermedades raras. En una enfermedad mendeliana, el descubrimiento de la causa genética puede proporcionar una explicación etiológica que permite confirmar el diagnóstico, identificar familiares en riesgo y, en determinadas enfermedades, orientar tratamientos específicos. La secuenciación del exoma y del genoma ha incrementado considerablemente la capacidad para encontrar genes responsables de enfermedades raras, particularmente cuando los métodos tradicionales no consiguen identificar la causa. La integración de datos de múltiples individuos no relacionados que presentan fenotipos similares permite reconocer variantes recurrentes o genes candidatos y posteriormente establecer relaciones entre genotipo y enfermedad mediante estudios funcionales y análisis de segregación.

El valor diagnóstico de la secuenciación genómica tampoco se limita a proporcionar un nombre para una enfermedad. Un diagnóstico molecular puede modificar el manejo clínico, permitir vigilancia específica, orientar tratamientos, evitar pruebas innecesarias y proporcionar información reproductiva para la familia. En determinados contextos, el diagnóstico puede poner fin a años de investigación clínica sin explicación etiológica y permitir que los pacientes reciban atención basada en el mecanismo molecular de su enfermedad. Las evaluaciones de utilidad clínica de la secuenciación del genoma han documentado cambios en el manejo clínico en una proporción importante de estudios de pacientes pediátricos hospitalizados, aunque el efecto depende considerablemente de la enfermedad, del contexto clínico y de la capacidad del sistema sanitario para actuar sobre los resultados.

La genómica también introdujo una nueva relación entre diagnóstico e investigación. Cuando se secuencia un paciente sin diagnóstico y se identifica una variante potencialmente relevante, el proceso diagnóstico puede revelar simultáneamente un problema científico todavía no resuelto. Es posible que no exista suficiente evidencia para determinar si la variante causa enfermedad. En esos casos, el análisis clínico puede estimular estudios funcionales, investigación en modelos celulares, análisis de otros pacientes y reevaluación de bases de datos. La frontera entre investigación y diagnóstico se vuelve especialmente dinámica en las enfermedades raras porque cada nuevo paciente puede aportar información para establecer o refutar una relación entre una variante y un fenotipo.

El desarrollo de grandes bases de datos genómicas también hizo posible una forma de medicina que utiliza la población como referencia biológica. En lugar de preguntar únicamente si una variante está presente en un paciente, los investigadores pueden preguntar con qué frecuencia aparece en miles o millones de individuos y si su distribución es compatible con una variante causante de enfermedad. Una variante responsable de una enfermedad genética grave y altamente penetrante no debería, en condiciones normales, presentar una frecuencia poblacional incompatible con la prevalencia de esa enfermedad. Este principio se convirtió en una de las bases para interpretar variantes clínicas y demuestra cómo el conocimiento acumulado de muchas personas puede contribuir al diagnóstico de un individuo.

La dimensión poblacional es igualmente importante para comprender el riesgo de enfermedad. Las variantes comunes pueden modificar modestamente la probabilidad de desarrollar enfermedades complejas, mientras que variantes raras pueden tener efectos mucho mayores. El estudio de millones de genomas permite distinguir estas diferentes arquitecturas genéticas y analizar cómo interactúan con factores ambientales. La medicina genómica contemporánea se apoya, por ello, en una combinación de genética individual y genética poblacional: el genoma de una persona se interpreta dentro del contexto de la variación observada en grandes grupos humanos.

El incremento del volumen de datos produjo, a su vez, una transformación de la bioinformática. Un genoma humano contiene aproximadamente 3 × 10^9 pares de bases, y la secuenciación clínica puede producir múltiples lecturas correspondientes a cada posición. El procesamiento requiere almacenamiento, control de calidad, alineamiento, identificación de variantes, anotación, filtrado y priorización. Cuando se analizan miles o millones de individuos, estas tareas se convierten en problemas de gran escala que requieren infraestructura computacional, estándares de datos y bases de datos interoperables. El crecimiento de la genómica, por tanto, no puede separarse del desarrollo simultáneo de la informática biomédica.

Las bases de datos son particularmente importantes porque el conocimiento genómico no se conserva únicamente en las secuencias originales. Una secuencia aislada adquiere valor cuando puede relacionarse con una coordenada genómica, una anotación génica, una frecuencia poblacional, un fenotipo, una función molecular o una evidencia clínica. Los proyectos contemporáneos integran estos diferentes niveles de información para construir recursos que permitan interpretar variantes y descubrir asociaciones. La genómica moderna es, por ello, simultáneamente una disciplina experimental y una disciplina de datos.

La evolución de las referencias genómicas muestra además que el conocimiento del genoma humano es provisional y acumulativo. El Proyecto Genoma Humano proporcionó una referencia de extraordinario valor, pero las nuevas tecnologías revelaron regiones que no podían resolverse adecuadamente con las técnicas originales. La secuenciación de lectura larga y el ensamblaje de múltiples haplotipos permitieron incorporar información que permanecía ausente. Esto significa que la genómica no consiste simplemente en haber «leído» una vez el genoma humano, sino en mejorar progresivamente la resolución, la representación de la diversidad y la interpretación funcional de esa secuencia.

En este sentido, el desarrollo del pangenoma constituye una consecuencia lógica del Proyecto Genoma Humano. Una sola referencia lineal facilita el análisis, pero puede introducir sesgos porque las variantes presentes en individuos cuya secuencia difiere considerablemente de la referencia pueden resultar más difíciles de identificar o representar. Una referencia basada en múltiples genomas puede capturar una fracción mayor de la diversidad estructural y de las secuencias presentes en distintas poblaciones. El primer borrador del pangenoma humano incorporó múltiples ensamblajes de individuos con diferentes antecedentes genéticos y mostró que una representación más diversa puede revelar secuencias y variantes que una referencia lineal no describe adecuadamente.

La historia iniciada por el Proyecto Genoma Humano puede describirse, por tanto, como una transición desde la lectura de un genoma de referencia hacia la interpretación de la diversidad genómica humana. El primer gran objetivo fue determinar la secuencia; posteriormente fue necesario identificar genes, transcritos y elementos reguladores; después se estudió la variación entre individuos y poblaciones; y finalmente se desarrollaron métodos para relacionar esa variación con enfermedades, fenotipos y respuestas terapéuticas. Cada etapa generó la infraestructura conceptual y tecnológica necesaria para la siguiente. La secuencia hizo posible la anotación; la anotación permitió interpretar variantes; las bases de datos de variantes permitieron comparar individuos; las cohortes genómicas permitieron estudiar asociaciones; y la integración de información genómica y clínica permitió trasladar estos conocimientos al diagnóstico médico.

Por esta razón, el Proyecto Genoma Humano no debe considerarse solamente un proyecto destinado a producir una secuencia. Su impacto fundamental fue establecer una infraestructura científica que permitió convertir el genoma en un objeto de estudio sistemático. La disponibilidad pública de la secuencia, la creación de mapas y bases de datos, el desarrollo de métodos de secuenciación y el establecimiento de estándares para compartir información aceleraron investigaciones posteriores en genética humana, biología molecular y medicina. El propio Consorcio Internacional para la Secuenciación del Genoma Humano señaló que la secuencia constituiría una base para la investigación biomédica durante décadas, una predicción que se ha confirmado por la expansión posterior de la genómica médica.

La transición hacia la secuenciación del genoma completo como herramienta diagnóstica representa la culminación provisional de este proceso. La tecnología permite investigar prácticamente todo el material genético en una sola prueba, en lugar de analizar de manera sucesiva genes seleccionados según hipótesis clínicas individuales. Esto resulta especialmente valioso cuando existe heterogeneidad genética, cuando el fenotipo no permite determinar un gen candidato concreto o cuando se sospechan variantes estructurales y regiones no codificantes. La evidencia disponible demuestra que la secuenciación del exoma y del genoma puede proporcionar mayores rendimientos diagnósticos que las estrategias convencionales en determinadas poblaciones y puede ser más eficiente cuando se utiliza tempranamente en el proceso diagnóstico.

No obstante, la secuenciación del genoma completo no elimina la necesidad de evaluación clínica ni convierte automáticamente cada diferencia genética en un diagnóstico. La interpretación sigue siendo el componente más complejo del proceso. Una secuencia puede contener millones de variantes respecto de una referencia, pero solamente una fracción muy pequeña tendrá relevancia clínica para un paciente determinado. La identificación de la variante relevante requiere integrar el fenotipo, el patrón de herencia, la frecuencia poblacional, la función molecular, la literatura científica, los datos familiares y la evidencia disponible sobre la relación entre gen y enfermedad. Además, existen variantes cuyo significado permanece incierto y que no deben interpretarse como diagnósticos confirmados.

La secuenciación genómica también puede revelar hallazgos secundarios, es decir, variantes clínicamente relevantes que no explican la enfermedad que motivó el estudio. La existencia de estos hallazgos llevó a desarrollar recomendaciones específicas para determinar qué genes y variantes deben considerarse para su posible comunicación. Las recomendaciones se han actualizado progresivamente porque aumenta el conocimiento sobre penetrancia, riesgo y posibilidad de intervención. Este proceso demuestra que disponer de la secuencia completa genera beneficios potenciales, pero también requiere criterios científicos y clínicos para decidir qué información es suficientemente válida y accionable como para incorporarse a la atención médica.

La evolución de la medicina genómica tampoco implica que el genoma por sí solo explique completamente la enfermedad humana. El fenotipo surge de interacciones entre información genética, regulación de la expresión, ambiente, edad, desarrollo, exposiciones y otros factores biológicos. La genómica proporciona una capa fundamental de información, pero su interpretación requiere integrarla con transcriptómica, epigenómica, proteómica, metabolómica, información clínica y datos ambientales cuando sea necesario. La investigación contemporánea se dirige progresivamente hacia esta integración porque conocer la secuencia no siempre permite predecir directamente el comportamiento de una célula o de un organismo.

Así, la afirmación de que actualmente puede estudiarse el genoma humano de una persona «en su totalidad» debe entenderse en sentido metodológico y no como una afirmación de conocimiento absoluto. En la actualidad es posible secuenciar prácticamente todo el genoma de un individuo de manera rutinaria en determinados contextos y analizar simultáneamente una enorme variedad de clases de variantes. Sin embargo, todavía existen regiones técnicamente difíciles, variantes cuya detección depende de la tecnología empleada y elementos funcionales cuyo significado biológico permanece incompleto. Incluso una secuencia técnicamente completa puede ser biológicamente incomprensible si todavía no se conoce la función de determinadas regiones o variantes. La genómica, por tanto, ha resuelto el problema de acceder al DNA a gran escala, pero no ha terminado el problema de comprender completamente su función.

La diferencia entre analizar genes individualmente y analizar el genoma completo puede compararse con la diferencia entre estudiar componentes aislados de un sistema y estudiar simultáneamente la arquitectura completa del sistema. El enfoque gen por gen continúa siendo extraordinariamente útil cuando existe una hipótesis clínica precisa, pero puede ser ineficiente cuando la enfermedad tiene heterogeneidad genética. El enfoque genómico permite mantener abiertas múltiples hipótesis simultáneamente y descubrir asociaciones que no habían sido anticipadas por el fenotipo. Esta capacidad de análisis no dirigido constituye uno de los principales motivos por los que la genómica ha adquirido una importancia central en la medicina de enfermedades hereditarias.

Por consiguiente, los avances tecnológicos y analíticos posteriores al Proyecto Genoma Humano no solamente hicieron más rápida la secuenciación, sino que modificaron la pregunta científica. En lugar de preguntar únicamente «¿cuál es la secuencia de este gen?», la investigación contemporánea puede preguntar «¿qué variantes existen en todo el genoma?, ¿cómo se distribuyen entre poblaciones?, ¿qué genes y elementos reguladores contienen?, ¿cómo se expresan?, ¿qué variantes alteran su función?, ¿qué fenotipos producen?, ¿cómo interactúan entre sí y con el ambiente?, ¿qué mecanismos explican la enfermedad y qué intervenciones podrían modificarlos?». La posibilidad de formular estas preguntas simultáneamente es precisamente lo que define el salto conceptual desde la genética hacia la genómica.

En consecuencia, el legado del Proyecto Genoma Humano puede entenderse como una plataforma sobre la que se construyó la medicina genómica contemporánea. La secuencia de referencia permitió localizar genes y variantes; la anotación permitió atribuir posibles funciones; la comparación de numerosos genomas permitió catalogar la variación humana; las bases de datos permitieron contextualizar variantes individuales; la secuenciación masiva hizo posible analizar genomas completos a gran escala; la bioinformática permitió procesar esos datos; y la integración con información clínica permitió trasladar el conocimiento genómico al diagnóstico. El resultado es una transformación desde una genética centrada predominantemente en loci individuales hacia una disciplina capaz de estudiar el conjunto del genoma y relacionarlo sistemáticamente con diversidad humana, función biológica y enfermedad.

En la actualidad, la dirección del campo ya no consiste simplemente en secuenciar más genomas, sino en hacer que cada secuencia sea más completa, más representativa de la diversidad humana y más interpretable desde el punto de vista biológico y clínico. La transición desde una referencia única hacia referencias de pangenoma, la incorporación de secuencias de lectura larga, la anotación continua de genes y transcritos, la expansión de las bases de datos poblacionales y la integración de datos genómicos con registros clínicos constituyen etapas de un mismo proceso. El Proyecto Genoma Humano proporcionó la primera gran infraestructura molecular para esta tarea; la genómica contemporánea está convirtiendo esa infraestructura en un sistema dinámico destinado a representar la diversidad genética humana y a explicar cómo sus variaciones contribuyen a la salud y a la enfermedad.

 

 

 

Genética médica en línea

Estudia medicina

 

FUENTE Y BIBLIOGRAFÍA RECOMENDADA:

1. International Human Genome Sequencing Consortium. (2001). Initial sequencing and analysis of the human genome. Nature, 409, 860–921. https://doi.org/10.1038/35057062
2. International Human Genome Sequencing Consortium. (2004). Finishing the euchromatic sequence of the human genome. Nature, 431, 931–945. https://doi.org/10.1038/nature03001
3. Schmutz, J., Wheeler, J., Grimwood, J., Dickson, M., Yang, J., Caoile, C., Bajorek, E., Black, S., Chan, Y. M., Denys, M., Escobar, J., Flowers, D., Fotopoulos, D., Garcia, F., Gomez, M., Gonzales, E., Goodstein, D., Haldeman, W., Hawkins, T., … Myers, R. M. (2004). Quality assessment of the human genome sequence. Nature, 429, 365–368. https://doi.org/10.1038/nature02390
4. Rhie, A., McCarthy, S. A., Fedrigo, O., Damas, J., Formenti, G., Koren, S., Uliano-Silva, M., Chow, W., Fungtammasan, A., Kim, J., Lee, C., Ko, B. J., Chaisson, M., Wenger, A. M., Armstrong, J., Thibaud-Nissen, F., Voltron, M., Grady, P. G. S., Howard, J. T., … Phillippy, A. M. (2023). Towards complete and error-free genome assemblies of all vertebrate species. Nature, 592, 737–746. https://doi.org/10.1038/s41586-021-03451-0
5. Nurk, S., Koren, S., Rhie, A., Rautiainen, M., Bzikadze, A. V., Mikheenko, A., Vollger, M. R., Altemose, N., Uralsky, L., Gershman, A., Aganezov, S., Hoyt, S. J., Diekhans, M., Logsdon, G. A., Alonge, M., Antonarakis, S. E., Borchers, M., Can, F., Chao, H., … Phillippy, A. M. (2022). The complete sequence of a human genome. Science, 376(6588), 44–53. https://doi.org/10.1126/science.abj6987
6. T2T Consortium. (2022). A complete reference genome improves analysis of human genetic variation. Nature Biotechnology, 40, 1579–1587. https://doi.org/10.1038/s41587-022-01443-z
7. Human Pangenome Reference Consortium. (2023). A draft human pangenome reference. Nature, 617, 312–324. https://doi.org/10.1038/s41586-023-05896-x
8. Frankish, A., Diekhans, M., Ferreira, A. M., Johnson, R., Jungreis, I., Loveland, J., Mudge, J. M., Sisu, C., Wright, J., Armstrong, J., Barnes, I., Berry, A., Bignell, A., Carbonell Sala, S., Chrast, J., Cunningham, F., Di Domenico, T., Fiddes, I. T., García Girón, C., … Flicek, P. (2019). GENCODE reference annotation for the human and mouse genomes. Nucleic Acids Research, 47(D1), D766–D773. https://doi.org/10.1093/nar/gky955
9. ENCODE Project Consortium. (2012). An integrated encyclopedia of DNA elements in the human genome. Nature, 489, 57–74. https://doi.org/10.1038/nature11247
10. Kidd, J. M., Gravel, S., Byrnes, J., Moreno-Estrada, A., Musharoff, S., Bryc, K., Degenhardt, J. D., Kitzman, J. O., Mao, X., Gunter, C., Michailidou, K., … Bustamante, C. D. (2014). Population genetic implications of the draft genome sequence of an individual from a deeply sequenced human population. Nature Genetics, 46, 919–925. https://doi.org/10.1038/ng.3033
11. Lek, M., Karczewski, K. J., Minikel, E. V., Samocha, K. E., Banks, E., Fennell, T., O’Donnell-Luria, A. H., Ware, J. S., Hill, A. J., Cummings, B. B., Tukiainen, T., Birnbaum, D. P., Kosmicki, J. A., Duncan, L. E., Estrada, K., Zhao, F., Zou, J., Pierce-Hoffman, E., Berghout, J., … MacArthur, D. G. (2016). Analysis of protein-coding genetic variation in 60,706 humans. Nature, 536, 285–291. https://doi.org/10.1038/nature19057
12. Saunders, G., Baudis, M., Becker, R., Beltran, S., Beroud, C., Birney, E., Brooksbank, C., Brunak, S., Van den Bulcke, M., Drysdale, R., Capella-Gutierrez, S., Flicek, P., Florindi, F., Goodhand, P., Gut, I., Heringa, J., Holub, P., Hooyberghs, J., Juty, N., … Scollen, S. (2019). Leveraging European infrastructures to access 1 million human genomes by 2022. Nature Reviews Genetics, 20, 693–701. https://doi.org/10.1038/s41576-019-0156-9
13. Taylor, S. L., et al. (2020). Clinical utility of genomic sequencing: A measurement toolkit. npj Genomic Medicine, 5, 56. https://doi.org/10.1038/s41525-020-00164-7
14. Manickam, K., McClain, M. R., Demmer, L. A., Biswas, S., Kearney, H. M., Monaco, L. C., Ghosh, R., Rojahn, D. A., … ACMG Board of Directors. (2021). Exome and genome sequencing for pediatric patients with congenital anomalies or intellectual disability: An evidence-based clinical guideline of the American College of Medical Genetics and Genomics. Genetics in Medicine, 23, 2029–2037. https://doi.org/10.1038/s41436-021-01242-6
15. Mestek, M., et al. (2024). Evidence review and considerations for use of first line genome sequencing to diagnose rare genetic disorders. npj Genomic Medicine, 9, 15. https://doi.org/10.1038/s41525-024-00396-x
16. All of Us Research Program Genomics Investigators. (2024). Genomic data in the All of Us Research Program. Nature, 627, 340–346. https://doi.org/10.1038/s41586-023-06957-x
17. International Human Genome Sequencing Consortium. (2004). The finished human genome sequence and insights into its organization. Nature, 431, 931–945. https://doi.org/10.1038/nature03001