La organización del DNA en el genoma humano es considerablemente más compleja de lo que podría sugerir una visión centrada exclusivamente en los genes que codifican proteínas. El genoma humano haploide contiene aproximadamente 3 mil millones de pares de bases de DNA distribuidos en 23 cromosomas, pero solamente alrededor de 1,5% de esta secuencia corresponde directamente a regiones que especifican la secuencia de aminoácidos de las proteínas. Esta pequeña fracción constituye, en términos generales, el componente codificante del exoma. La importancia de esta observación radica en que demuestra que la mayor parte del genoma no está destinada directamente a producir proteínas, aunque esto no significa que carezca de actividad o función biológica. La secuencia codificante de proteínas constituye solamente una de las múltiples formas en las que la información genética puede estar almacenada y utilizada dentro de la célula.
Para comprender por qué el exoma representa una fracción tan pequeña, es necesario distinguir entre un gen y su región estrictamente codificante. Un gen humano no consiste simplemente en una secuencia continua de DNA que se traduce íntegramente a una proteína. Los genes suelen contener regiones reguladoras, exones e intrones. Los exones son segmentos que permanecen en el RNA después del procesamiento del transcrito primario, mientras que los intrones son eliminados mediante el proceso de corte y empalme del RNA. Además, no todas las regiones de un exón necesariamente codifican aminoácidos: muchos exones contienen regiones no traducidas situadas en los extremos del RNA mensajero. Por consiguiente, la secuencia que finalmente determina la composición de una proteína representa solamente una parte de la estructura molecular completa de un gen.
El término exoma se refiere al conjunto de regiones exónicas del genoma y, en el contexto de la genética médica, se utiliza principalmente para designar el conjunto de regiones codificantes de los genes. Su tamaño relativamente reducido, combinado con su elevada importancia funcional, convirtió al exoma en uno de los principales objetivos de la investigación genómica. Las alteraciones que afectan directamente a una región codificante pueden modificar la secuencia de aminoácidos de una proteína, introducir una señal de terminación prematura, alterar el marco de lectura o modificar sitios esenciales para el procesamiento del RNA. Debido a que estas alteraciones pueden producir consecuencias moleculares relativamente directas, la secuenciación del exoma se desarrolló como una estrategia eficiente para identificar variantes relacionadas con enfermedades humanas.
Sin embargo, afirmar que aproximadamente 1,5% del genoma codifica proteínas no equivale a afirmar que solamente 1,5% del genoma sea funcional. Esta distinción es fundamental. El concepto de «codificación de proteínas» describe una propiedad molecular específica: la capacidad de una determinada secuencia para especificar directamente una cadena de aminoácidos mediante un RNA mensajero y el aparato de traducción. El concepto de «función biológica» es mucho más amplio y comprende cualquier participación demostrable de una secuencia o de su producto en un proceso celular. Una región de DNA puede desempeñar una función reguladora sin ser traducida a proteína, puede producir un RNA funcional o puede contribuir a la organización estructural y tridimensional del genoma.
Una proporción considerable del DNA no codificante participa en la regulación de la expresión génica. Para que una célula produzca una proteína no basta con que posea el gen correspondiente. Es necesario controlar cuándo se transcribe, en qué tipo celular se expresa, en qué cantidad se produce el RNA y cómo responde su expresión a señales internas y externas. Estas decisiones dependen de numerosas regiones reguladoras distribuidas por el genoma. Los promotores intervienen en el inicio de la transcripción, mientras que los potenciadores pueden aumentar la expresión de genes específicos y, en algunos casos, encontrarse a distancias muy grandes del gen que regulan. También existen otros elementos reguladores capaces de modificar la interacción entre regiones cromosómicas.
La regulación de un gen tampoco depende exclusivamente de la distancia lineal entre sus elementos reguladores. El DNA está plegado dentro del núcleo y puede formar contactos físicos entre regiones que se encuentran muy separadas a lo largo de la secuencia lineal del cromosoma. De esta manera, un potenciador localizado a gran distancia de un gen puede aproximarse físicamente a su promotor mediante el plegamiento tridimensional de la cromatina. Los estudios de organización tridimensional del genoma demostraron que estas interacciones no son excepcionales, sino que constituyen una característica importante de la arquitectura cromosómica.
Esta organización tridimensional introduce una dimensión adicional en la información genética. La función de una secuencia no depende exclusivamente de la identidad de sus nucleótidos, sino también de su localización cromosómica, de las proteínas que pueden reconocerla, de su estado de cromatina y de las regiones con las que puede establecer contacto físico. Por ello, dos secuencias que presentan propiedades similares cuando se consideran únicamente desde el punto de vista de su composición primaria pueden comportarse de manera diferente si están localizadas en contextos cromatínicos distintos.
El DNA también se encuentra asociado de manera estrecha con proteínas, especialmente histonas, formando cromatina. Esta asociación no es simplemente un mecanismo pasivo para empaquetar los aproximadamente 3 mil millones de pares de bases dentro del núcleo. La organización de la cromatina influye sobre la accesibilidad física de las secuencias de DNA. Algunas regiones presentan una estructura relativamente accesible que facilita la unión de factores de transcripción y otros complejos reguladores, mientras que otras permanecen en estados de mayor compactación. Estos estados pueden variar entre tejidos y tipos celulares, permitiendo que diferentes células utilicen distintas partes del mismo genoma.
Esta característica permite comprender cómo células tan diferentes como una neurona, un hepatocito y una célula muscular pueden poseer esencialmente el mismo genoma y, sin embargo, desarrollar estructuras, funciones y perfiles de expresión completamente diferentes. La diferencia no reside principalmente en que cada tipo celular contenga genes exclusivos, sino en que diferentes conjuntos de genes son activados o reprimidos y en que determinadas regiones reguladoras adquieren diferentes estados funcionales. La identidad celular surge, por tanto, de una utilización diferencial de la información contenida en un genoma compartido.
Otra fuente fundamental de complejidad es la existencia de RNA que no tiene como finalidad producir proteínas. Durante mucho tiempo, la relación entre DNA y RNA se interpretó principalmente desde la perspectiva de la producción de proteínas: el DNA contenía genes, los genes eran transcritos a RNA mensajero y el RNA mensajero era traducido a proteínas. Aunque esta vía continúa siendo esencial, actualmente se sabe que el genoma humano produce una diversidad mucho mayor de moléculas de RNA. Existen RNA que participan en el procesamiento de otros RNA, en la regulación de la expresión génica, en la organización de complejos moleculares y en otros procesos celulares.
Esto significa que una secuencia puede contener información biológica cuyo producto final no sea una proteína. En estos casos, el propio RNA constituye el producto funcional. Por esta razón, la ausencia de un marco de lectura capaz de producir una proteína no permite concluir que una secuencia sea irrelevante. El DNA puede actuar como plantilla para generar moléculas de RNA funcionales, y algunas de estas moléculas pueden intervenir directamente en la regulación de otros genes o en procesos celulares específicos.
La investigación sistemática del genoma humano proporcionó una cantidad extraordinaria de evidencia sobre esta complejidad. El proyecto ENCODE examinó diferentes propiedades bioquímicas del genoma humano, incluyendo transcripción, accesibilidad de la cromatina, modificaciones de histonas y unión de factores de transcripción. Los resultados indicaron que una proporción muy grande del genoma presenta algún tipo de actividad bioquímica detectable en al menos uno de los tipos celulares analizados.
No obstante, es necesario interpretar esta observación con precisión. Detectar actividad bioquímica no equivale automáticamente a demostrar que una secuencia desempeña una función biológica esencial. Una región puede ser transcrita, presentar unión de una proteína o mostrar una modificación de histonas sin que todavía se haya demostrado que su alteración produzca una consecuencia fisiológica relevante. Por esta razón, la actividad bioquímica y la función biológica deben considerarse conceptos relacionados, pero no idénticos. La identificación de una señal molecular constituye evidencia de actividad, mientras que la demostración de función requiere establecer una relación causal entre la región y un determinado proceso biológico.
La conservación evolutiva proporciona otra vía independiente para identificar regiones potencialmente funcionales. Cuando una secuencia desempeña una función biológica importante, determinadas mutaciones pueden resultar perjudiciales y, en consecuencia, ser eliminadas de las poblaciones mediante selección purificadora. Esto puede provocar que determinadas regiones del genoma evolucionen más lentamente que las regiones cuya alteración tiene consecuencias reducidas. Los estudios comparativos entre especies de mamíferos identificaron numerosas regiones no codificantes que presentan señales de conservación evolutiva, lo que proporciona evidencia de que una parte del DNA situado fuera de las regiones codificantes ha estado sometida a restricciones selectivas.
La conservación evolutiva, sin embargo, tampoco constituye por sí sola una demostración universal de función. Una secuencia puede presentar conservación por diferentes razones, y algunas funciones pueden ser específicas de determinados grupos evolutivos y no mostrar una conservación extensa entre especies distantes. Del mismo modo, una región funcional relativamente reciente puede presentar poca conservación y, aun así, tener importancia biológica en el organismo que la posee. Por esta razón, la interpretación funcional del genoma requiere integrar diferentes tipos de evidencia, incluyendo genética, evolución, transcriptómica, epigenómica, bioquímica y experimentos de perturbación.
La existencia de grandes cantidades de DNA no codificante también ayuda a explicar por qué la relación entre una variante genética y una enfermedad puede ser mucho más compleja de lo que sugeriría una alteración directa de una proteína. Una variante localizada dentro de una región codificante puede modificar directamente un aminoácido o alterar la estructura de una proteína. En cambio, una variante situada en una región reguladora puede modificar la cantidad de RNA producido, el momento en el que se expresa un gen o el tejido en el que dicho gen se activa. En este último caso, la proteína puede conservar exactamente la misma secuencia de aminoácidos y, aun así, producirse en una cantidad inadecuada o en un lugar incorrecto.
Esta distinción resulta especialmente importante para interpretar los estudios de asociación genética. Muchas variantes asociadas con características humanas y enfermedades se encuentran fuera de las regiones que codifican proteínas. Para comprender sus consecuencias no basta con preguntar si una variante cambia un aminoácido. Es necesario determinar si modifica la actividad de un potenciador, altera la unión de un factor de transcripción, afecta la accesibilidad de la cromatina, modifica la producción de un RNA no codificante o interfiere con las interacciones tridimensionales que conectan regiones reguladoras con genes.
Por consiguiente, la cifra de aproximadamente 1,5% tiene una importancia extraordinaria, pero debe utilizarse con cuidado. Describe aproximadamente la proporción del genoma humano que contiene secuencias codificantes de proteínas y ayuda a visualizar la enorme diferencia entre la cantidad de DNA que especifica directamente proteínas y la cantidad total de DNA presente en el organismo. No describe la proporción del genoma que tiene función, ni tampoco indica que el resto sea simplemente material genético sobrante. El resto contiene una combinación heterogénea de regiones reguladoras, intrones, secuencias transcritas no codificantes, regiones estructurales, elementos repetitivos, secuencias derivadas de elementos móviles y regiones cuya función todavía no está completamente establecida.
También es importante comprender que el concepto de exoma surgió, en parte, por razones metodológicas. Analizar aproximadamente 3 mil millones de pares de bases requiere una cantidad considerable de recursos experimentales y computacionales. Concentrar el análisis en las regiones codificantes permite estudiar una fracción mucho menor del genoma y, al mismo tiempo, examinar una clase de variantes que puede tener efectos moleculares relativamente fáciles de interpretar. Esta estrategia ha demostrado una gran utilidad para identificar genes responsables de enfermedades hereditarias y para descubrir variantes patogénicas, especialmente cuando estas alteran directamente la estructura o función de proteínas.
Sin embargo, la secuenciación del exoma presenta una limitación inherente: deja fuera gran parte de la información reguladora y estructural contenida en el genoma. Una persona puede presentar una alteración biológicamente relevante en una región no codificante y, por tanto, dicha variante no necesariamente será identificada mediante un análisis restringido al exoma. El desarrollo de la secuenciación del genoma completo surgió, entre otras razones, de la necesidad de estudiar estas regiones que quedan fuera de las secuencias codificantes.
La situación puede representarse mediante una distinción conceptual sencilla. El exomaresponde principalmente a la pregunta de qué secuencias pueden especificar proteínas. El resto del genoma contiene, además de secuencias con funciones diversas, una parte importante de la información necesaria para determinar cuándo, dónde, cuánto y bajo qué condiciones se expresan los genes. Por ello, una proteína no debe considerarse como el resultado exclusivo de la secuencia que determina sus aminoácidos. Su producción depende de una extensa red de elementos reguladores y de mecanismos de organización cromosómica que se encuentran distribuidos por el genoma.
En consecuencia, la afirmación de que menos de 1,5% del genoma humano codifica proteínas representa mucho más que una simple proporción numérica. Revela que el genoma humano no es un catálogo en el que cada segmento de DNA corresponde directamente a una proteína. Es un sistema molecular jerárquico en el que la información está distribuida entre secuencias codificantes, elementos reguladores, genes de RNA, estructuras cromatínicas y relaciones espaciales entre regiones cromosómicas. La pequeña proporción correspondiente al exoma contiene instrucciones directas para producir proteínas, pero el funcionamiento correcto de esas proteínas depende de una arquitectura genómica mucho más extensa.
La idea central, por tanto, es que «no codificante» y «no funcional» no son términos equivalentes. «No codificante» indica que una secuencia no especifica directamente la secuencia de aminoácidos de una proteína. «Funcional» indica que una secuencia o su producto desempeña una actividad biológica demostrable. Una región puede cumplir una función reguladora, producir un RNA funcional, participar en la organización de la cromatina o intervenir en la arquitectura tridimensional del genoma sin codificar una proteína. La comprensión moderna del genoma humano surge precisamente de reconocer esta diferencia y de estudiar el DNA como un sistema de información molecular mucho más amplio que el conjunto de instrucciones necesarias para fabricar proteínas.
FUENTE Y BIBLIOGRAFÍA RECOMENDADA:
- Alexander, R. P., Fang, G., Rozowsky, J., Snyder, M., & Gerstein, M. B. (2010). Annotating non-coding regions of the genome. Nature Reviews Genetics, 11, 559–571. https://doi.org/10.1038/nrg2814
- Ecker, J. R., Bickmore, W. A., Barroso, I., Pritchard, J. K., Gilad, Y., & Segal, E. (2012). ENCODE explained. Nature, 489, 52–54. https://doi.org/10.1038/489052a
- Kellis, M., Wold, B., Snyder, M. P., Bernstein, B. E., Kundaje, A., Marinov, G. K., Ward, L. D., Birney, E., Stamatoyannopoulos, J. A., & ENCODE Project Consortium. (2014). Defining functional DNA elements in the human genome. Proceedings of the National Academy of Sciences, 111(17), 6131–6138. https://doi.org/10.1073/pnas.1318948111
- Ponting, C. P., & Hardison, R. C. (2011). What fraction of the human genome is functional? Genome Research, 21(11), 1769–1776. https://doi.org/10.1101/gr.116814.110
- Priya, R. R., Rajasimha, H. K., Brooks, M. J., & Swaroop, A. (2012). Exome sequencing: Capture and sequencing of all human coding regions for disease gene discovery. Methods in Molecular Biology, 884, 335–351. https://doi.org/10.1007/978-1-61779-848-1_24
- The ENCODE Project Consortium. (2012). An integrated encyclopedia of DNA elements in the human genome. Nature, 489, 57–74. https://doi.org/10.1038/nature11247
- Thurman, R. E., Rynes, E., Humbert, R., Vierstra, J., Maurano, M. T., Haugen, E., Sheffield, N. C., Stergachis, A. B., Wang, H., Vernot, B., Garg, K., John, S., Sandstrom, R., Bates, D., Boatman, L., Canfield, T. K., Hansen, R. S., Johnson, A. K., Reynolds, A. P., & Stamatoyannopoulos, J. A. (2012). The accessible chromatin landscape of the human genome. Nature, 489, 75–82. https://doi.org/10.1038/nature11232
- Ward, L. D., & Kellis, M. (2012). Interpreting noncoding genetic variation in complex traits and human disease. Nature Biotechnology, 30(11), 1095–1106. https://doi.org/10.1038/nbt.2422
