Durante mucho tiempo, la organización funcional del genoma humano se interpretó mediante un modelo relativamente sencillo en el que una pequeña fracción del DNA contenía genes y una proporción considerablemente mayor correspondía a secuencias con poca o ninguna función conocida. Bajo esta perspectiva, se suponía que los elementos reguladores responsables de controlar la expresión de los genes durante el desarrollo embrionario, la diferenciación celular y el funcionamiento de los tejidos constituían solamente una fracción relativamente pequeña del DNA adicional que acompañaba a las regiones codificantes. Una estimación aproximada situaba estos elementos reguladores alrededor de 5% de la secuencia genómica. Sin embargo, el desarrollo de métodos capaces de estudiar directamente las características de la cromatina, la accesibilidad del DNA, la unión de proteínas reguladoras, las modificaciones de las histonas y las interacciones tridimensionales entre regiones cromosómicas ha demostrado que la cantidad de DNA que puede contener señales relacionadas con la función genómica es mucho mayor y considerablemente más compleja de lo que sugería aquella estimación inicial.
La razón principal de este cambio conceptual es que la función del DNA no depende exclusivamente de su capacidad para codificar una proteína. Una secuencia puede actuar como promotor, potenciador, silenciador, aislador, origen de replicación, sitio de unión de proteínas, región estructural del cromosoma o plantilla para producir RNA no codificante. En consecuencia, una región puede ejercer una función biológica importante sin que su secuencia sea traducida a una cadena de aminoácidos. El genoma debe entenderse, por tanto, como un sistema en el que existen diferentes categorías de información superpuestas: algunas secuencias contienen instrucciones para producir proteínas, otras regulan la utilización de esas instrucciones, otras producen moléculas de RNA funcionales y otras contribuyen a organizar físicamente el DNA dentro del núcleo.
Los elementos reguladores son especialmente importantes porque determinan cómo se utiliza la información contenida en los genes. La presencia de un gen dentro del genoma no significa que este deba estar activo permanentemente. Una célula necesita activar determinados genes y mantener otros inactivos dependiendo de su identidad, estado fisiológico, etapa del desarrollo, localización anatómica y respuesta a estímulos externos. Una célula nerviosa, por ejemplo, utiliza un conjunto de genes diferente del utilizado por una célula hepática, aunque ambas contienen prácticamente el mismo genoma. Esta diferencia se consigue mediante mecanismos que permiten seleccionar diferentes regiones del DNA para su transcripción.
Los promotores participan en el establecimiento del inicio de la transcripción, mientras que los potenciadores pueden modificar la intensidad con la que un gen es expresado. Estos elementos reguladores pueden encontrarse cerca del gen correspondiente o a distancias considerablemente mayores. En algunos casos, un elemento regulador puede localizarse a cientos de miles de pares de bases de su gen diana. Esta separación lineal no impide necesariamente la interacción porque el DNA no permanece extendido como una molécula recta dentro del núcleo. El cromosoma se pliega y organiza en una estructura tridimensional que puede aproximar físicamente regiones que están muy alejadas cuando se observa únicamente la secuencia lineal.
La cromatina constituye una parte esencial de esta organización. El DNA se encuentra asociado principalmente con histonas y otras proteínas, formando una estructura dinámica que regula el grado de accesibilidad de diferentes regiones. Una región de cromatina relativamente abierta permite que determinadas proteínas tengan acceso al DNA y puedan reconocer secuencias específicas. Por el contrario, una región más compactada puede dificultar la unión de determinados factores reguladores y reducir la probabilidad de que los genes asociados sean transcritos. De esta manera, la organización física del DNA se convierte en un componente de la regulación génica.
Las características de la cromatina permitieron descubrir que existen muchas más regiones potencialmente reguladoras de las que podían identificarse mediante el análisis exclusivo de las secuencias codificantes. Cuando una región presenta cromatina accesible, puede considerarse candidata a desempeñar una función reguladora porque su configuración permite que proteínas específicas interactúen con ella. El estudio sistemático de estas regiones reveló millones de sitios potencialmente reguladores distribuidos por el genoma humano. Muchos de ellos muestran patrones de actividad específicos de determinados tipos celulares, lo que indica que la regulación genómica cambia de acuerdo con la identidad y el estado funcional de cada célula.
Esto permite comprender por qué una misma secuencia genómica puede generar organismos formados por una enorme diversidad de células especializadas. La diferenciación celular no requiere que cada tipo celular posea un conjunto diferente de genes. En términos generales, las células contienen el mismo conjunto fundamental de instrucciones genéticas, pero utilizan diferentes combinaciones de esas instrucciones. La regulación de la cromatina, la actividad de los factores de transcripción, las modificaciones químicas de las histonas y la organización tridimensional del genoma permiten seleccionar diferentes programas de expresión génica.
Por esta razón, la estimación histórica de que los elementos reguladores constituían aproximadamente 5% del DNA debe considerarse una aproximación limitada por las herramientas disponibles en ese momento. La identificación de regiones reguladoras mediante conservación evolutiva podía detectar determinadas secuencias funcionales, pero no necesariamente todas. Una región puede ser funcional y no mostrar una conservación extensa entre especies si su función es relativamente reciente, si evoluciona rápidamente o si pertenece a un linaje específico. Además, una región puede conservarse por razones diferentes de las inicialmente consideradas o presentar una función dependiente de un tipo celular particular.
Los análisis de cromatina proporcionaron una fuente de información independiente. La accesibilidad del DNA permite identificar regiones que se encuentran en condiciones compatibles con la unión de factores reguladores. Cuando estas regiones se comparan entre diferentes tejidos, aparecen patrones específicos. Una región puede encontrarse abierta en células musculares y cerrada en neuronas, mientras que otra puede presentar exactamente el patrón contrario. Esto demuestra que el genoma contiene una gran cantidad de información reguladora cuyo funcionamiento depende del contexto celular.
Sin embargo, debe establecerse una distinción importante entre actividad bioquímica y función biológica. El hecho de que una región sea transcrita, presente accesibilidad de cromatina o muestre unión de una proteína no demuestra automáticamente que dicha región sea indispensable. Una señal bioquímica demuestra que está ocurriendo un proceso molecular, pero la demostración de una función requiere establecer que la alteración de esa región modifica de manera reproducible un proceso biológico. Esta distinción es fundamental porque evita interpretar cualquier señal molecular como evidencia automática de una función fisiológica esencial.
La segunda parte de la afirmación se refiere a la naturaleza repetitiva del genoma humano. Una observación particularmente importante de la genómica fue que solamente alrededor de la mitad del genoma está constituida por DNA de copia única o de baja repetición. El resto contiene diferentes tipos de secuencias repetitivas. Por tanto, el genoma humano no es una colección de miles de millones de nucleótidos diferentes entre sí, sino una combinación compleja de secuencias únicas, secuencias duplicadas, repeticiones cortas, repeticiones extensas y elementos que han sido copiados e insertados en diferentes lugares a lo largo de la evolución.
El término DNA de copia única describe regiones cuya secuencia aparece una sola vez o solamente unas pocas veces dentro del genoma. Esto no significa que cada nucleótido individual sea necesariamente exclusivo. Una secuencia de copia única puede contener nucleótidos que también aparecen millones de veces en otras partes del genoma; lo que es relativamente infrecuente es la combinación concreta de nucleótidos que constituye esa región.
La existencia de DNA repetitivo puede parecer sorprendente porque el DNA solamente utiliza cuatro tipos principales de nucleótidos: adenina, timina, guanina y citosina. Sin embargo, la capacidad informativa del DNA no depende de disponer de un gran número de símbolos diferentes. Depende fundamentalmente de la cantidad de posiciones disponibles y del orden en que aparecen los cuatro nucleótidos.
Si una secuencia tiene una sola posición, existen cuatro posibilidades. Si tiene dos posiciones, existen 4², es decir, 16 combinaciones. Con tres posiciones existen 4³, es decir, 64 combinaciones. Al aumentar progresivamente la longitud, el número de combinaciones posibles crece de manera exponencial. Para una secuencia de 10 bases, el número de combinaciones matemáticamente posibles es 4¹⁰, equivalente a 1.048.576 secuencias diferentes.
Esto significa que incluso un fragmento extremadamente pequeño de DNA puede tener una identidad molecular considerablemente específica. Una secuencia de solamente 10 bases ya puede pertenecer a más de un millón de combinaciones teóricas diferentes. Si se añaden unos cuantos nucleótidos, la cantidad de posibilidades aumenta de manera extraordinariamente rápida. Para una secuencia de 16 bases existen 4¹⁶ combinaciones, equivalentes a 4.294.967.296 secuencias diferentes.
Esta cifra adquiere especial importancia cuando se compara con el tamaño aproximado del genoma humano haploide. Un genoma humano contiene algo más de 3 mil millones de pares de bases, mientras que existen más de 4,2 mil millones de combinaciones posibles para una secuencia de 16 bases. Si todas las combinaciones fueran igualmente probables y cada posición del genoma fuera independiente de las demás, una secuencia concreta de 16 bases tendría una frecuencia esperada inferior a una copia por genoma. Matemáticamente, para un genoma de aproximadamente 3,2 × 10⁹ posiciones, la frecuencia esperada de una secuencia específica sería aproximadamente 3,2 × 10⁹ / 4¹⁶, lo que corresponde aproximadamente a 0,75 apariciones.
Esto explica la afirmación de que una secuencia determinada de 16 bases podría aparecer una sola vez en un genoma humano si dependiera exclusivamente del azar. No obstante, esta afirmación debe entenderse como una aproximación matemática idealizada y no como una descripción literal de la estructura del genoma. El DNA humano no es una secuencia generada mediante un proceso completamente aleatorio. Las bases no aparecen con frecuencias idénticas en todas las regiones y existen patrones de composición, mutación, duplicación y repetición que alteran profundamente las probabilidades reales.
El contenido de guanina y citosina, por ejemplo, varía considerablemente entre diferentes regiones genómicas. Existen regiones enriquecidas en determinadas combinaciones de nucleótidos y otras caracterizadas por secuencias de baja complejidad. Además, los elementos repetitivos pueden generar millones de copias de secuencias relacionadas entre sí. Por ello, una secuencia de 16 bases puede ser extremadamente específica en una región y, dependiendo de su composición, aparecer numerosas veces en otras regiones.
La presencia de DNA repetitivo tiene un origen evolutivo diverso. Algunas repeticiones corresponden a secuencias cortas repetidas consecutivamente. Otras proceden de elementos genéticos móviles que fueron capaces de copiarse e insertarse en diferentes posiciones del genoma. A lo largo de millones de años, estos elementos fueron acumulándose y modificándose mediante mutaciones. Como resultado, el genoma humano contiene numerosos fragmentos que representan restos de acontecimientos evolutivos antiguos.
Los elementos transponibles constituyen una proporción considerable del DNA repetitivo humano. Estos elementos poseen la capacidad, en determinadas circunstancias evolutivas, de generar nuevas copias de sí mismos e incorporarlas en diferentes posiciones cromosómicas. Una vez insertados, pueden acumular mutaciones y perder progresivamente su semejanza con la secuencia original. Por esta razón, algunas regiones que actualmente parecen únicas pueden tener un origen evolutivo relacionado con secuencias que antiguamente estaban presentes en múltiples copias.
El DNA repetitivo tampoco debe considerarse simplemente como material genético inútil. Algunas repeticiones participan en procesos estructurales de los cromosomas, mientras que otras pueden influir sobre la regulación génica, la organización de la cromatina y la evolución del genoma. Determinados elementos derivados de secuencias móviles pueden adquirir funciones reguladoras después de su inserción. Una secuencia que inicialmente se originó como un elemento móvil puede terminar proporcionando sitios de unión para factores de transcripción u otros componentes reguladores.
La naturaleza repetitiva del genoma también tiene consecuencias importantes para la estabilidad cromosómica. Cuando existen regiones muy similares en diferentes posiciones, puede producirse recombinación entre secuencias homólogas situadas en lugares incorrectos. Este fenómeno puede originar deleciones, duplicaciones, inversiones u otras reorganizaciones estructurales. Por tanto, las repeticiones pueden contribuir simultáneamente a la evolución del genoma y a la generación de determinadas alteraciones genéticas.
La distinción entre DNA de copia única y DNA repetitivo tampoco debe confundirse con la distinción entre DNA funcional y DNA no funcional. Una secuencia de copia única puede carecer de una función actualmente conocida, mientras que una secuencia repetitiva puede desempeñar una función esencial. La frecuencia con la que aparece una secuencia y su función biológica son propiedades diferentes. Una describe su distribución dentro del genoma y la otra describe su participación en procesos moleculares o celulares.
La misma lógica se aplica a las regiones reguladoras. Un elemento regulador puede ser único, repetido o formar parte de una familia de secuencias relacionadas. Algunas proteínas reguladoras reconocen motivos de DNA que aparecen en numerosas posiciones. En esos casos, la información reguladora no reside necesariamente en una secuencia absolutamente exclusiva, sino en la combinación entre la secuencia, su localización, el estado de la cromatina y el contexto celular.
El concepto de contexto es fundamental para comprender la organización del genoma humano. Una secuencia determinada no funciona necesariamente de manera aislada. Su actividad puede depender de las regiones próximas, de las proteínas presentes en la célula, de la accesibilidad de la cromatina y de las interacciones tridimensionales con otras regiones. Por ello, el significado biológico de una secuencia no puede deducirse únicamente observando las letras A, T, G y C que la componen.
El crecimiento exponencial del número de secuencias posibles explica, además, cómo cuatro nucleótidos pueden almacenar una cantidad extraordinaria de información. No es necesario disponer de cientos de tipos diferentes de moléculas para construir un sistema informativo complejo. Basta con disponer de un alfabeto pequeño y de una cadena suficientemente extensa. La combinación ordenada de cuatro símbolos a lo largo de miles de millones de posiciones genera una capacidad combinatoria enorme.
Esta propiedad es particularmente importante en biología molecular porque permite que secuencias relativamente cortas funcionen como señales específicas. Una proteína que reconoce una determinada combinación de nucleótidos puede distinguirla de muchas otras secuencias. Sin embargo, cuanto más corta es la secuencia reconocida, mayor puede ser la probabilidad de que aparezca accidentalmente en otros lugares. Por ello, la especificidad de un sitio de unión depende tanto de su longitud como de la frecuencia de sus nucleótidos, de las tolerancias del factor regulador y del contexto cromatínico.
La organización del genoma humano puede entenderse, entonces, como una combinación de tres propiedades fundamentales. En primer lugar, existe una enorme cantidad de secuencias potencialmente informativas debido a la capacidad combinatoria de los cuatro nucleótidos. En segundo lugar, esas secuencias no están distribuidas de manera aleatoria, sino que presentan regiones conservadas, repetitivas, duplicadas y estructuralmente especializadas. En tercer lugar, la actividad de muchas secuencias depende de su contexto epigenético y tridimensional, de manera que una misma secuencia puede presentar diferentes estados funcionales en distintos tipos celulares.
Por ello, la antigua estimación de que solamente alrededor de 5% de la secuencia adicional podía contener elementos reguladores resultó insuficiente para representar toda la complejidad del genoma. Los estudios modernos muestran que existen millones de regiones con características compatibles con funciones reguladoras y que muchas de ellas presentan actividad específica de tejidos, etapas del desarrollo o estados fisiológicos. Al mismo tiempo, no todas las regiones que presentan actividad molecular tienen necesariamente una función biológica indispensable, por lo que la magnitud exacta del genoma funcional continúa dependiendo de la definición de función que se utilice y de la evidencia experimental disponible.
La idea fundamental es que el genoma humano no puede interpretarse simplemente como una larga secuencia en la que una pequeña fracción contiene genes y todo lo demás constituye espacio intermedio. El DNA presenta una organización extraordinariamente compleja en la que secuencias codificantes, elementos reguladores, regiones repetitivas, elementos móviles, señales estructurales y regiones de cromatina interactúan dentro de una arquitectura tridimensional. La información biológica no se encuentra únicamente en las secuencias que producen proteínas, sino también en las instrucciones que determinan cuándo, dónde y en qué cantidad deben utilizarse esas secuencias.
Así, los cuatro nucleótidos del DNA constituyen un alfabeto extraordinariamente eficiente. Aunque solamente existen cuatro símbolos fundamentales, la combinación ordenada de millones o miles de millones de posiciones genera una cantidad de información potencial inmensa. La existencia simultánea de secuencias únicas y repetitivas, junto con millones de elementos reguladores distribuidos por el genoma, demuestra que la complejidad genética humana no depende de poseer muchos tipos diferentes de nucleótidos, sino de la enorme cantidad de combinaciones posibles y, sobre todo, de la manera precisa en que esas combinaciones están organizadas, reguladas y utilizadas dentro de la célula.
FUENTE Y BIBLIOGRAFÍA RECOMENDADA:
- ENCODE Project Consortium. (2012). An integrated encyclopedia of DNA elements in the human genome. Nature, 489, 57–74. https://doi.org/10.1038/nature11247
- ENCODE Project Consortium. (2020). Expanded encyclopaedias of DNA elements in the human and mouse genomes. Nature, 583, 699–710. https://doi.org/10.1038/s41586-020-2493-4
- Green, E. D., Guyer, M. S., & National Human Genome Research Institute. (2011). Charting a course for genomic medicine from base pairs to bedside. Nature, 470, 204–213. https://doi.org/10.1038/nature09764
- de Koning, A. P. J., Gu, W., & Pollard, K. S. (2011). Noise and the 1/f² scaling of genomic sequences. PLoS ONE, 6(1), e17176. https://doi.org/10.1371/journal.pone.0017176
- Kundaje, A., Meuleman, W., Ernst, J., Bilenky, M., Yen, A., Heravi-Moussavi, A., Kheradpour, P., Zhang, Z., Wang, J., Ziller, M. J., Amin, V., Whitaker, J. W., Schultz, M. D., Ward, L. D., Sarkar, A., Quon, G., Sandstrom, R. S., Eaton, M. L., Wu, Y., … Meissner, A. (2015). Integrative analysis of 111 reference human epigenomes. Nature, 518, 317–330. https://doi.org/10.1038/nature14248
- Lander, E. S., Linton, L. M., Birren, B., Nusbaum, C., Zody, M. C., Baldwin, J., Devon, K., Dewar, K., Doyle, M., FitzHugh, W., Funke, R., Gage, D., Harris, K., Heaford, A., Howland, J., Kann, L., Lehoczky, J., Levine, R., McEwan, P., … International Human Genome Sequencing Consortium. (2001). Initial sequencing and analysis of the human genome. Nature, 409, 860–921. https://doi.org/10.1038/35057062
- Lieberman-Aiden, E., van Berkum, N. L., Williams, L., Imakaev, M., Ragoczy, T., Telling, A., Amit, I., Lajoie, B. R., Sabo, P. J., Dorschner, M. O., Sandstrom, R., Bernstein, B., Bender, M. A., Groudine, M., Gnirke, A., Stamatoyannopoulos, J., Mirny, L. A., Lander, E. S., & Dekker, J. (2009). Comprehensive mapping of long-range interactions reveals folding principles of the human genome. Science, 326(5950), 289–293. https://doi.org/10.1126/science.1181369
- Mouse ENCODE Consortium. (2012). An integrated encyclopedia of DNA elements in the mouse genome. Nature, 489, 57–74. https://doi.org/10.1038/nature11243
- Smit, A. F. A. (1996). The origin of interspersed repeats in the human genome. Current Opinion in Genetics & Development, 6(6), 743–748. https://doi.org/10.1016/S0959-437X(96)80037-9
- 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
- Venter, J. C., Adams, M. D., Myers, E. W., Li, P. W., Mural, R. J., Sutton, G. G., Smith, H. O., Yandell, M., Evans, C. A., Holt, R. A., Gocayne, J. D., Amanatides, P., Ballew, R. M., Huson, D. H., Wortman, J. R., Zhang, Q., Kodira, C. D., Zheng, X. H., Chen, L., … Zhu, X. (2001). The sequence of the human genome. Science, 291(5507), 1304–1351. https://doi.org/10.1126/science.1058040
- Wheeler, T. J., Clements, J., Eddy, S. R., Hubley, R., Jones, T. A., Jurka, J., Smit, A. F. A., & Finn, R. D. (2013). Dfam: A database of repetitive DNA based on profile hidden Markov models. Nucleic Acids Research, 41(D1), D70–D82. https://doi.org/10.1093/nar/gks1265
- Yue, F., Cheng, Y., Breschi, A., Vierstra, J., Wu, W., Ryba, T., Sandstrom, R., Ma, Z., Davis, C., Pope, B. D., Shen, Y., Pervouchine, D. D., Djebali, S., Ecker, J. R., Maurano, M. T., Satpathy, A. T., Reynolds, A. P., Fisher-Aylor, K. I., Rynes, E., … Mouse ENCODE Consortium. (2014). A comparative encyclopedia of DNA elements in the mouse genome. Nature, 515, 355–364. https://doi.org/10.1038/nature13992
- Zoonomia Consortium. (2023). A comparative genomics multitool for scientific discovery and conservation. Nature, 617, 78–86. https://doi.org/10.1038/s41586-023-06259-0
