Después del Proyecto del Genoma Humano — De una sola secuencia al pangenoma
Punto de partida — Se necesitaba un mapa común
A finales del siglo XX, los investigadores conocían algunos genes y marcadores del genoma humano, pero no disponían de un mapa común para comparar el conjunto bajo las mismas coordenadas. El Proyecto del Genoma Humano (HGP) comenzó en 1990 con el objetivo de construir sistemáticamente la secuencia del ADN humano y un mapa genético. Fue un gran proyecto de colaboración en el que diversos países e instituciones de investigación diseñaron conjuntamente los principios de tecnología, muestras y divulgación de datos.
La declaración de finalización en 2003 significó que se habían alcanzado los objetivos clave establecidos en aquel momento. No significaba que se hubieran leído completamente todas las bases y variaciones estructurales de todas las personas. Había vacíos en regiones complejas como las secuencias repetitivas y el centrómero, y la referencia principal era una secuencia lineal ensamblada a partir de un número limitado de individuos.
El primer cambio — La aparición de las coordenadas
La función principal de la secuencia de referencia no fue establecer "la respuesta correcta de un humano normal", sino proporcionar coordenadas comunes. Los investigadores pudieron representar la ubicación de los genes, las variantes y los objetivos de los ensayos en el mismo mapa y comparar sus resultados entre sí. Aquí se fortalecieron las bases del análisis moderno, que consiste en alinear las lecturas de secuenciación (sequencing reads) con la referencia y registrar las variantes como cromosoma–posición–alelo.
Sin embargo, no hay garantía de que el alelo de referencia sea el más común en la población o el alelo más saludable. Tampoco es correcto considerar todas las secuencias distintas de la referencia como anomalías. Es necesario distinguir entre el sistema de coordenadas y los criterios biológicos.
La tecnología amplía las preguntas
La secuenciación a gran escala inicial requería mucho tiempo y coste, pero los avances tecnológicos posteriores permitieron investigar el genoma de una persona y diversas poblaciones con mayor rapidez. La secuenciación de lectura corta (short-read sequencing) permitió el descubrimiento masivo de variantes, mientras que las tecnologías de lectura larga (long-read) y de ensamblaje permitieron conectar secuencias repetitivas, variaciones estructurales y haplotipos de forma más extensa.
La mejora tecnológica no significó una interpretación automática. A medida que se encontraban más variantes, era necesario abordar simultáneamente la patogenicidad, el fenotipo, la ascendencia y la gobernanza de datos. En esencia, las nuevas incertididades se hicieron más evidentes sobre el mapa creado por el HGP.
T2T — El desafío de reducir los vacíos
El consorcio Telomere-to-Telomere (T2T) presentó un ensamblado que cubre en gran medida las regiones complejas restantes en las referencias anteriores, combinando lecturas largas y técnicas complementarias. Esto amplió las oportunidades de investigación en regiones que incluyen centrómeros y duplicaciones segmentarias. complete debe interpretarse dentro del alcance de la línea celular, el haplotipo y la versión del ensamblado mencionados.
Un ensamblado más completo reduce los problemas de huecos en la secuencia, pero no resuelve por sí solo el problema de la representación de la diversidad de la población humana.
Pangenoma: de una ruta única a múltiples caminos
El consorcio Human Pangenome Reference busca representar las secuencias y estructuras que se perdían al utilizar una referencia lineal única, incluyendo ensamblados de diversos haplotipos. El uso de grafos o múltiples ensamblados podría reducir el sesgo causado por la asignación (mapping) desfavorable cuando las secuencias de poblaciones específicas no están presentes en la referencia, y mejorar la representación de variantes complejas.
Sin embargo, el pangenoma no es un evento simple de reemplazo de un archivo único por uno nuevo. Deben cambiar simultáneamente la representación de coordenadas, la compatibilidad de herramientas, la normalización de variantes, el almacenamiento de datos y los sistemas de informes clínicos. La procedencia (provenance) de qué versión y ruta se utilizaron se vuelve más importante.
Preguntas pendientes sobre la representatividad
Incluir diversas ancestrías es una cuestión de equidad, no solo de precisión técnica. Las poblaciones menos representadas en las referencias y cohortes de investigación pueden enfrentar mayor incertidumbre en la frecuencia de variantes, la imputación y la predicción de riesgo. En lugar de simplemente aumentar el número de muestras, deben diseñarse conjuntamente la participación comunitaria, el consentimiento, el reparto de beneficios y el acceso controlado a los datos.
La representatividad no termina con completar algunas etiquetas de ascendencia. No se debe reducir la diversidad intra-poblacional y el contexto social a categorías biológicas simples.
Lo que se comprende
El legado del Proyecto Genoma Humano (HGP) no es un libro completo que proporciona todas las respuestas sobre enfermedades, sino una infraestructura que permitió formular preguntas comparables. T2T redujo los huecos en un ensamblado, y el pangenoma abrió la dirección para representar múltiples haplotipos. Estas tres etapas no se descartan mutuamente, sino que revelan y expanden diferentes límites de la referencia.
Reevaluación actual y limitaciones
Una referencia mejor puede mejorar el mapeo y el descubrimiento de variantes, pero no determina automáticamente la causalidad de una variante en una enfermedad, su accionabilidad clínica ni la elección del tratamiento de una persona. Cuando cambian el ensamblaje o la versión de una herramienta, también puede ser necesario convertir las coordenadas y repetir el análisis. Los resultados de investigación deben registrar siempre el nombre y la versión de la referencia.
Conexión de conceptos
El significado de las coordenadas y del alelo de referencia continúa en Genoma de referencia; la observación de diversos ensamblajes y variantes estructurales, en PacBio SMRT·HiFi; y la representación poblacional, en los conceptos Medicina genómica del Reino Unido y Broad MPG.