Desierto genético

Los desiertos genéticos son regiones del genoma que carecen de genes codificadores de proteínas. Se estima que constituyen un 25% del genoma entero, lo que ha dado lugar al reciente interés por sus verdaderas funciones. ^[1] Originalmente se creía que contenían ADN no esencial y "ADN basura " debido a su incapacidad para crear proteínas, pero desde entonces se los ha vinculado a varias funciones reguladoras vitales, como la mejora distal y la herencia conservacionista. Por tanto, un número cada vez mayor de riesgos que conducen a varias enfermedades importantes, incluido un puñado de cánceres, se han atribuido a irregularidades encontradas en los desiertos genéticos.

Uno de los ejemplos más notables es la región génica 8q24, que, cuando se ve afectada por ciertos polimorfismos de un solo nucleótido , conduce a una gran variedad de enfermedades. Los principales factores de identificación de los desiertos genéticos residen en su bajo contenido de GpC y sus niveles relativamente altos de repeticiones, que no se observan en las regiones codificantes. Estudios recientes han categorizado aún más los desiertos genéticos en formas variables y estables; las regiones se clasifican en función de su comportamiento a través de la recombinación y su contenido genético. Aunque el conocimiento actual de los desiertos genéticos es bastante limitado, la investigación en curso y las técnicas mejoradas están comenzando a abrir las puertas para la exploración de los diversos efectos importantes de estas regiones no codificantes.

Aunque la posibilidad de función en desiertos genéticos fue predicha ya en la década de 1960, las herramientas de identificación genética no pudieron descubrir ninguna característica específica de las largas regiones no codificantes, aparte de que no se produjo codificación en esas regiones. ^[2]

Antes de que se completara el genoma humano en 2001 a través del Proyecto Genoma Humano , la mayoría de las primeras comparaciones de genes asociativos se basaban en la creencia de que los genes esenciales de mantenimiento estaban agrupados en las mismas áreas del genoma para facilitar el acceso y una regulación estricta. Esta creencia construyó más tarde una hipótesis de que los desiertos genéticos son, por lo tanto, secuencias reguladoras previas que están altamente vinculadas (y, por lo tanto, no experimentan recombinación), pero que han tenido sustituciones entre ellas con el tiempo. ^{[2] [3]} Estas sustituciones podrían hacer que los genes estrechamente conservados se separen con el tiempo, formando así regiones de códigos sin sentido con unos pocos genes esenciales. Sin embargo, la incertidumbre debido a las tasas diferenciales de conservación de genes en diferentes porciones de los cromosomas impidió una identificación precisa. Las asociaciones posteriores se remodelaron cuando las secuencias reguladoras se asociaron con factores de transcripción, lo que llevó al nacimiento del mapeo a gran escala de todo el genoma. Así comenzó la búsqueda de los contenidos y funciones de los desiertos genéticos.

Los recientes avances en el cribado de las firmas de la cromatina en los cromosomas (por ejemplo, la captura de la conformación cromosómica , también conocida como 3C) han permitido la confirmación del modelo de activación génica de largo alcance, que postula que efectivamente existen vínculos físicos entre los potenciadores reguladores y sus promotores objetivo . ^[2] La investigación sobre los desiertos genéticos, aunque se centra en la genética humana, también se ha aplicado a ratones, varias aves y Drosophila melanogaster . ^{[4] [5]} Aunque la conservación es variable entre los genomas de especies seleccionadas, los desiertos genéticos ortólogos funcionan de manera similar. Por lo tanto, la afirmación predominante de los desiertos genéticos es que estas secuencias no codificantes albergan elementos reguladores activos e importantes.

Un estudio se centró en un archipiélago regulador, una región con "islas" de secuencias codificantes rodeadas de vastas regiones no codificantes. El estudio, que exploró los efectos de la regulación en los genes hox , se centró inicialmente en dos secuencias potenciadoras, GCR y Prox, que se encuentran 200 pares de bases y 50 pares de bases respectivamente aguas arriba del locus Hox D. ^[5] Para manipular la región, el estudio invirtió las dos secuencias potenciadoras y no descubrió efectos importantes en la transcripción del gen Hox D, a pesar de que las dos secuencias eran las secuencias más cercanas al gen. Por lo tanto, se dirigió al desierto de genes que flanqueaba la secuencia GCR aguas arriba y encontró 5 islas reguladoras dentro de él que podrían regular el gen. Para seleccionar el candidato más probable, el estudio aplicó luego varias deleciones individuales y múltiples a las cinco islas para observar los efectos. Estas variadas deleciones solo dieron como resultado efectos menores, incluidas anomalías físicas o algunos dígitos faltantes.

Cuando el experimento se llevó un paso más allá y se aplicó una eliminación de todo el desierto de genes de 830 kilobases, la funcionalidad de todo el locus Hox D se volvió inactiva. ^[5] Esto indica que el desierto de genes vecino, como una unidad completa de 830 kilobases (incluidas las cinco secuencias de islas dentro de él), sirve como un regulador importante de un solo gen que abarca solo 50 kilobases. Por lo tanto, estos resultados insinuaron los efectos reguladores de los desiertos de genes flanqueantes. Este estudio fue respaldado por una observación posterior a través de una comparación entre la hibridación in situ de fluorescencia y la captura de conformación cromosómica que descubrió que el locus Hox D era la porción más descondensada en la región. Esto significaba que tenía una actividad relativamente mayor en comparación con los desiertos de genes flanqueantes. ^[6] Por lo tanto, el Hox D podría ser regulado por secuencias potenciadoras cercanas específicas que no se expresaron al unísono. Sin embargo, esto advierte que la proximidad es inexacta cuando se utiliza cualquiera de los métodos analíticos. ^[6] Por lo tanto, las asociaciones entre los desiertos de genes reguladores y sus promotores objetivo parecen tener distancias variables y no es necesario que actúen como fronteras.

La variabilidad en la distancia demuestra que la distancia puede ser otro factor importante que está determinado por los desiertos genéticos. Por ejemplo, los potenciadores distales pueden interactuar con sus promotores objetivo a través de interacciones en bucle que deben actuar a una cierta distancia. ^[7] Por lo tanto, la proximidad no es un predictor preciso de los potenciadores: los potenciadores no necesitan bordear su secuencia objetivo para regularla. Si bien esto conduce a una variación en las distancias, la distancia promedio entre los sitios de inicio de la transcripción y el complejo de interacción mediado por sus elementos potenciadores es de 120 kilobases aguas arriba del sitio de inicio. ^[7]

Los desiertos genéticos pueden desempeñar un papel en la construcción de esta distancia para permitir que se produzca el bucle máximo. Dado que el mecanismo de formación del complejo potenciador es un mecanismo regulado de manera bastante simple (las estructuras que se reclutan en el complejo potenciador tienen varios controles reguladores que controlan la construcción), más del 50% de los promotores tienen varias interacciones de largo alcance. Ciertos genes centrales incluso tienen hasta 20 posibles interacciones potenciadoras. Existe un curioso sesgo en el hecho de que los complejos se forman solo aguas arriba de los promotores. ^[7] Por lo tanto, dada la correlación de que muchos desiertos genéticos reguladores aparecen aguas arriba de sus promotores objetivo, es posible que el papel más inmediato que desempeñan los desiertos genéticos sea la regulación de largo alcance de secuencias clave. Como la formación ideal de interacciones potenciadoras requiere construcciones específicas, un posible producto secundario de las funciones reguladoras de los desiertos genéticos puede ser la conservación de los genes: para retener las longitudes específicas de los bucles y el orden de los genes reguladores ocultos en los desiertos genéticos, ciertas porciones de los desiertos genéticos están más conservadas que otras cuando pasan por eventos de herencia. Estas secuencias no codificantes conservadas (CNS) están directamente asociadas con la herencia sinténica en todos los vertebrados. ^[8] Por lo tanto, la presencia de estas CNS podría servir para la conservación de grandes regiones de genes.

Aunque la distancia puede variar en los desiertos de genes reguladores, la distancia parece tener un límite superior en los desiertos de genes conservadores. Inicialmente se pensó que los CNS se encontraban cerca de sus genes conservados: estimaciones anteriores ubicaban a la mayoría de los CNS en la proximidad de las secuencias genéticas. ^[8] Sin embargo, la expansión de los datos genéticos ha revelado que varios CNS residen hasta 2,5 megabases de sus genes objetivo, y la mayoría de los CNS se encuentran entre 1 y 2 megabases. Este rango, que se midió para el genoma humano, varía entre las diferentes especies. Por ejemplo, en comparación con los humanos, el pez fugu tiene un rango más pequeño, con una distancia máxima estimada de unos pocos cientos de kilobases. Independientemente de la diferencia en longitudes, los CNS funcionan de manera similar en ambas especies. ^[8] Por lo tanto, como las funciones difieren entre los desiertos de genes, también lo hacen sus contenidos.

Ciertos desiertos genéticos son reguladores importantes, mientras que otros pueden eliminarse sin ningún efecto. Como posible clasificación, los desiertos genéticos se pueden dividir en dos subtipos: estables y variables. ^[1] Los desiertos genéticos estables tienen menos repeticiones y un contenido de guanina a citosina (GpC) relativamente más alto que el observado en los desiertos genéticos variables.

El contenido de guanina y citosina es indicativo de la funcionalidad de codificación de proteínas. Por ejemplo, en un estudio sobre los cromosomas 2 y 4, que se han relacionado con varias enfermedades genéticas, hubo un contenido elevado de GpC en ciertas regiones. ^[9] Las mutaciones en estas regiones ricas en GC causaron una variedad de enfermedades, revelando la integridad necesaria de estos genes. Las regiones CpG de alta densidad sirven como regiones reguladoras para la metilación del ADN . ^[10] Por lo tanto, los genes codificantes esenciales deberían estar representados por regiones de alto contenido de CpG. En particular, las regiones con alto contenido de GC deberían tender a tener altas densidades de genes que se dedican principalmente a los procesos esenciales de mantenimiento y específicos de los tejidos. ^[11] Estos procesos requerirían la mayor producción de proteínas para expresar la funcionalidad. Los desiertos de genes estables, que tienen niveles más altos de contenido de GC, deberían contener, por lo tanto, las secuencias potenciadoras esenciales. Esto podría determinar las funciones de conservación de los desiertos de genes estables.

Por otra parte, aproximadamente el 80% de los desiertos genéticos tienen un bajo contenido de GpC, lo que indica que tienen muy pocos genes esenciales. ^[9] Por lo tanto, la mayoría de los desiertos genéticos son desiertos genéticos variables, que pueden tener funciones alternativas. Una teoría predominante sobre los orígenes de los desiertos genéticos postula que los desiertos genéticos son acumulaciones de genes esenciales que actúan como una distancia. ^{[1] [10]} Esto puede ser cierto, ya que dada la baja cantidad de genes esenciales dentro de ellos, estas regiones habrían estado menos conservadas. Como resultado, debido a la prevalencia de las conversiones de citosina a timina, el SNP más común, causaría una separación gradual entre los pocos genes esenciales dentro de los desiertos genéticos variables. Estas secuencias esenciales se habrían mantenido y conservado, lo que daría lugar a pequeñas regiones de alta densidad que regulan a distancia. ^[10] Por lo tanto, el contenido de GC es una indicación de la presencia de procesos codificantes o reguladores en el ADN.

Aunque los desiertos de genes estables tienen un mayor contenido de GC, este valor relativo es solo un promedio. Dentro de los desiertos de genes estables, aunque los extremos contienen niveles muy altos de contenido de GC, la mayor parte del ADN contiene incluso menos contenido de GC que el observado en los desiertos de genes variables. Esto indica que hay muy pocas regiones altamente conservadas en los desiertos de genes estables que no se recombinan, o lo hacen a tasas muy bajas. ^[9] Dado que los extremos de los desiertos de genes estables tienen niveles particularmente altos de contenido de GC, estas secuencias deben estar extremadamente conservadas. Esta conservación a su vez puede hacer que los genes flanqueantes también tengan tasas de conservación más altas. Por lo tanto, los genes estables deben estar directamente vinculados a al menos uno de sus genes flanqueantes y no pueden separarse de las secuencias codificantes por eventos de recombinación. ^[1] La mayoría de los desiertos de genes parecen agruparse en pares alrededor de una pequeña cantidad de genes. Esta agrupación crea loci largos que tienen una densidad genética muy baja; las regiones pequeñas con una gran cantidad de genes están rodeadas por largos tramos de desiertos de genes, lo que crea un promedio genético bajo. Por lo tanto, la probabilidad minimizada de eventos de recombinación en estos loci largos crea bloques sinténicos que se heredan juntos a lo largo del tiempo. ^[1] Estos bloques sinténicos se pueden conservar durante períodos de tiempo muy largos, lo que evita la pérdida de material esencial, incluso cuando la distancia entre genes esenciales puede crecer con el tiempo.

Aunque este efecto debería teóricamente amplificarse a través del contenido aún menor de GC en los desiertos de genes variables (lo que realmente minimiza la densidad genética), las tasas de conservación de genes en los desiertos de genes variables son incluso más bajas que las observadas en los desiertos de genes estables; de hecho, la tasa es mucho más baja que el resto del genoma. Una posible explicación de este fenómeno es que los desiertos de genes variables pueden ser regiones de evolución reciente que aún no se han fijado en desiertos de genes estables. ^[1] Por lo tanto, todavía puede producirse una reorganización antes de que las regiones estabilizadoras dentro de los desiertos de genes variables comiencen a agruparse como unidades completas. Hay algunas excepciones a esta tasa mínima de conservación, ya que algunos desiertos de genes GC están sujetos a hipermetilación, lo que reduce en gran medida la accesibilidad al ADN, protegiendo así eficazmente la región de la recombinación. ^[11] Sin embargo, estos ocurren raramente en la observación.

Aunque los desiertos de genes estables y variables difieren en contenido y función, ambos ejercen capacidades de conservación. Es posible que, dado que la mayoría de los desiertos de genes variables tienen elementos reguladores que pueden actuar a distancia, la conservación de todo el desierto de genes en un locus siténico no hubiera sido necesaria, siempre que estos elementos reguladores se conservaran como unidades. Dados los niveles particularmente bajos de contenido de GC, los elementos reguladores estarían, por lo tanto, en una situación de densidad genética mínima, como se observó de manera similar en los desiertos de genes estables que los flanquean, con el mismo efecto. Por lo tanto, ambos tipos de desiertos de genes sirven para retener genes esenciales dentro del genoma.

La naturaleza conservadora de los desiertos genéticos confirma que estos tramos de bases no codificantes son esenciales para el funcionamiento adecuado. De hecho, una amplia gama de estudios sobre irregularidades en los genes no codificantes descubrieron varias asociaciones con enfermedades genéticas. Uno de los desiertos genéticos más estudiados es la región 8q24. Los primeros estudios de asociación de todo el genoma se centraron en la región 8q24 (que reside en el cromosoma 8 ) debido a las tasas anormalmente altas de SNP que parecen ocurrir en la región. Estos estudios encontraron que la región estaba vinculada a un mayor riesgo de una variedad de cánceres, especialmente en próstata, mama, ovarios, colon y páncreas. ^{[12] [13]} Utilizando inserciones del desierto genético en cromosomas artificiales bacterianos, un estudio pudo producir actividad potenciadora en ciertas regiones, que se aislaron mediante sistemas de clonación. ^[14] Este estudio identificó con éxito una secuencia potenciadora oculta en la región. Dentro de esta secuencia potenciadora, se descubrió un SNP que confería riesgo de cáncer de próstata, denominado SNP s6983267, en ratones enfermos. Sin embargo, la región 8q24 no se limita únicamente a los riesgos conferidos al cáncer de próstata. Un estudio realizado en 2008 examinó sujetos humanos (y controles) con variaciones en la región del desierto genético, descubriendo cinco regiones diferentes que conferían diferentes riesgos cuando se veían afectadas por diferentes SNP. ^[12] Este estudio utilizó marcadores SNP identificados en el desierto genético para identificar el riesgo de asociación de cada una de las regiones con una expresión tisular específica. Aunque estos riesgos se vincularon con éxito a varias formas de cáncer, Ghoussaini, M., et al. señalan su incertidumbre sobre si los SNP funcionaron simplemente como marcadores o fueron los causantes directos de los cánceres.

Estos efectos variados ocurren debido a las diferentes interacciones entre los SNP en esta región y los promotores MYC de diferentes órganos. El promotor MYC, que se encuentra a poca distancia aguas abajo de la región 8q24, es quizás el oncogén más estudiado debido a su asociación con una gran cantidad de enfermedades. ^[13] El funcionamiento normal del promotor MYC asegura que las células se dividan regularmente. El estudio postula que la región 8q, que sufrió una translocación cromosómica en humanos, podría haber movido un potenciador esencial para el promotor MYC. ^[13] Estas áreas alrededor de esta región podrían haber estado sujetas a una recombinación que puede haber ocultado el potenciador esencial MYC dentro del desierto genético a través del tiempo, aunque sus efectos potenciadores aún se mantienen en gran medida. Este análisis se deriva de las asociaciones de enfermedades observadas en varias especies de ratones donde esta región se mantiene cerca del promotor MYC. ^[13] Por lo tanto, el desierto genético 8q24 debería haber estado vinculado de alguna manera al promotor MYC. El desierto se asemeja a un desierto de genes estables que ha tenido muy poca recombinación después del evento de translocación. Por lo tanto, una hipótesis potencial es que los SNP que afectan a esta región alteran los genes específicos de tejido importantes con el desierto de genes estables, lo que podría explicar los riesgos de cáncer en varias formas de tejido. Este efecto de elementos potenciadores ocultos también se puede observar en otras ubicaciones en el genoma. Por ejemplo, los SNP en 5p13.1 desregulan la región codificante de PTGER4, lo que conduce a la enfermedad de Crohn. ^[15] Otra región afectada en el desierto de genes 9p21 causa varias enfermedades de la arteria coronaria. ^[16] Sin embargo, ninguno de estos desiertos de genes que confieren riesgo parece estar afectado tanto como las regiones 8q24. Los estudios actuales aún no están seguros acerca de los procesos afectados por SNP en la región 8q24 que resultan en respuestas particularmente amplificadas al promotor MYC. Con la ayuda de una población más accesible y de marcadores más específicos para el mapeo de asociaciones de todo el genoma, ahora se están marcando cada vez más alelos de riesgo en desiertos genéticos, donde regiones de genes pequeñas, aisladas y aparentemente sin importancia pueden moderar genes importantes.

Es fundamental señalar que, aunque la mayoría de los desiertos genéticos explorados aquí son esenciales, es posible que la mayoría de los contenidos de los desiertos genéticos sigan siendo inesenciales y desechables. Naturalmente, esto no quiere decir que los papeles que desempeñan los desiertos genéticos sean inesenciales o poco importantes, sino que sus funciones pueden incluir efectos amortiguadores. Un ejemplo de desiertos genéticos esenciales con contenido de ADN inesencial son los telómeros que protegen los extremos de los genomas. Los telómeros pueden clasificarse como verdaderos desiertos genéticos, dado que solo contienen repeticiones de TTAGGG (en humanos) y no tienen funciones aparentes de codificación de proteínas. Sin estos telómeros, los genomas humanos sufrirían mutaciones graves en un número fijo de ciclos celulares. Por otro lado, dado que los telómeros no codifican proteínas, su pérdida garantiza que no haya ningún efecto en procesos importantes. Por lo tanto, el término ADN “basura” ya no debería aplicarse a ninguna región del genoma; Cada porción del genoma debería desempeñar un papel en la protección, regulación o reparación de las regiones codificantes de proteínas que determinan las funciones de la vida. Aunque todavía queda mucho por aprender sobre los rincones y recovecos del inmenso (aunque limitado) genoma humano, con la ayuda de diversas tecnologías nuevas y la síntesis del genoma humano completo, tal vez podamos desentrañar una gran colección de secretos en los próximos años sobre las maravillas de nuestro código genético.

• Secuencia no codificante conservada
• Red reguladora de genes
• ADN no codificante
• ARN no codificante