Dr. Orlando R. Serrano Barrera INTRODUCCIÓN A LA BIOINFORMÁTICA Primera lección de una serie sobre las aplicaciones médicas de la bioinformática y la genómica, dirigido a los profesionales del sistema de salud, tanto de las ciencias de la salud (médicos, enfermeras, tecnólogos, biólogos, bioquímicos) como del sector no médico (informáticos, físicos, matemáticos, químicos). Autor: Dr. Orlando R. Serrano Barrera

Dr. Orlando R. Serrano Barrera Doctor en Medicina, 1995. Especialista de I Grado en Inmunología, 1999. Especialista de II Grado en Inmunología, 2005. Profesor Asistente, 2008. Máster en Ciencias en Enfermedades Infecciosas, 2009. Investigador Agregado, 2009. Cursos de postgrado recibidos sobre Bioinformática: - Análisis de Secuencias Biológicas. CECAM, Cuba, 2011. Working with The Human Genome Sequence. The Wellcome Trust, Uruguay, 2010. Working with Pathogen Genomes. The Wellcome Trust, Uruguay, 2009. Bioinformatics: Computer Methods in Molecular Biology. ICGEB, Italia, 2004. ARTÍCULOS PUBLICADOS SOBRE EL TEMA: 1. Serrano O. Bioinformática: una brecha en la formación en el Sistema Nacional de Salud. Educación Médica Superior. Educación Médica Superior 2012;26(1). Disponible en: http://www.ems.sld.cu/index.php/ems/article/view/13/13 2. Serrano Barrera OR, Orive Rodríguez NM. Sitio web Bioinformática: por la extensión de las aplicaciones bioinformáticas en el sistema nacional de salud. Revista Electrónica Zoilo Marinello Vidaurreta 2012;37(1). Disponible en: http://www.ltu.sld.cu/revista/modules.php?name=News&file=article&sid=291 3. Serrano Barrera OR, Orive Rodríguez NM. Integración de la bioinformática a la gestión de información en genética. Revista Cubana de Genética Comunitaria 2011;5(1). Disponible en: http://bvs.sld.cu/revistas/rcgc/v5n1/rcgc060111.html

OBJETIVOS Enumerar los principales hechos, hallazgos y avances que condujeron al Proyecto Genoma Humano y la aparición de la bioinformática. Definir el concepto y las aplicaciones de la bioinformática. Describir algunas herramientas y recursos bioinformáticos de utilidad en la medicina y la salud humana. El desarrollo de habilidades en el uso de las fuentes de información y los recursos bioinformáticos son una necesidad a enfrentar de manera impostergable por los sistemas de salud.

EL CAMINO HACIA EL GENOMA 1953: James Watson y Francis Crick descubren la estructura en doble hélice del ADN (Nature). Referencia: Watson JD, Crick FH. Molecular structure of nucleic acids; a structure for deoxyribose nucleic acid. Nature 1953;171(4356):737-8. James Watson y Francis Crick ganaron el Premio Nobel de Medicina y Fisiología en 1962 por este descubrimiento.

EL CAMINO HACIA EL GENOMA 1975: Allan Maxam y Walter Gilbert (izquierda) de Harvard University, y Frederick Sanger (der.) del MRC desarrollan métodos para secuenciar ADN (PNAS). Walter Gilbert y Frederick Sanger compartieron el Premio Nobel de Química en 1980 por los métodos para secuenciar el ADN. El Instituto Sanger, nombrado en honor del científico inglés, es una de las principales instituciones que trabaja en la investigación genética, la secuenciación del genoma y fue protagonista del Proyecto Genoma Humano. 1977: Secuenciado el bacteriófago X-174: primer “genoma completo”.

EL CAMINO HACIA EL GENOMA 1982: Akiyoshi Wada (foto), de RIKEN, Japón, propone secuencia- ción automatizada. Hitachi finan- cia los robots para tal fin. Puesta en mar- cha del GenBank. GenBank es la base de datos de secuencias de los Institutos Nacionales de Salud de Estados Unidos, una colección de todas las secuencias de ADN disponibles públicamente. Contiene aproximadamente 126,551,501,141 bases en 135,440,924 artículos de secuencia (Abril 2011).

EL CAMINO HACIA EL GENOMA 1986: Leroy Hood (foto) y Lloyd Smith, de Caltech, anuncian primera máquina automática para secuenciar ADN (Nature). Charles DeLisi inicia estudios del genoma en el Departamento de Energía de EEUU, a un costo de $5.3 millones USD. L. Hood formó un equipo de investigadores que fue el primero en construir cuatro instrumentos que sentaron las bases de la biología molecular moderna: secuenciador automático de ADN, sintetizador automático de ADN, secuenciador de proteínas y sintetizador de proteínas. El secuenciador de ADN llevó a la era genómica. El Dr. Hood fue también de los primeros en defender la idea del Proyecto Genoma Humano, con el objetivo de conocer la secuencia completa del ADN de nuestra especie.

EL CAMINO HACIA EL GENOMA 1990: Los Institutos Nacionales de Salud (NIH) y el Departamento de Energía de EEUU declaran al 1ro de Octubre como inicio oficial del Proyecto Genoma Humano. David Lipman, Eugene Myers et al., del NCBI, publican BLAST, algoritmo para alineación de secuencias (Journal of Molecular Biology). Basic Local Alignment Search Tool (BLAST) busca regiones de similitud local entre secuencias. El programa compara secuencias de nucleótidos o proteínas contra bases de datos y calcula la significación estadística de las correspondencias. BLAST se usa para inferir relaciones funcionales y evolutivas entre secuencias, así como para identificar miembros de las familias de genes.

EL CAMINO HACIA EL GENOMA 2001: Consorcio internacional publica su primera versión del genoma humano en Nature (15 Febrero), y la empresa privada Celera Genomics lo hace en Science (16 Febrero): Extensión: 3,2 x 109 pares de bases. Se predicen entre 20 000 y 30 000 genes. Secuencias codificadoras son 5 % del genoma. El consorcio público fue un conjunto de instituciones científicas de varios países (The Sanger Centre, UK; Washington University, St. Louis, USA; The Whitehead Institute at MIT, USA; Baylor College of Medicine, Texas, USA; Joint Genome Institute, California, USA; RIKEN Genomic Sciences Center, Yokohama, Japan; entre otros), que trabajaron de manera coordinada en la secuenciación del genoma humano. Celera Genomics fue la empresa privada creada por Craig Venter para secuenciar el genoma de manera independiente y obtener ganancias comerciales de los hallazgos que se obtuvieran. Entre las peculiaridades del genoma humano están que no es el mayor entre todas las especies estudiadas (otros animales e incluso plantas tienen mayor número de pares de bases), el número de genes resultó mucho menor que el que se estimaba originalmente (unos cien mil) y las regiones no codificadoras (es decir, que no se traducen a proteínas), que representan la mayoría absoluta del genoma y habían sido consideradas sin importancia, hoy se sabe que cumplen importantes funciones reguladoras, sin las cuales no sería posible la vida.

PROYECTO GENOMA HUMANO LIMITACIONES DEL PROYECTO GENOMA HUMANO Procesos biológicos son ejecutados básicamente por las proteínas. Predicción de secuencias codificadoras completas demorará. Proteínas pequeñas (< 150 a.a.) no son consideradas por los programas que predicen regiones codificadoras. Expansión del número de proteínas diferentes por: Procesamiento alternativo (aumenta 10 – 25 %). Modificaciones post-traduccionales (aumenta 5 – 10 veces). Genes no indican directamente los niveles de proteínas que se producen en un momento dado, su vida media ni sus interacciones, naturalmente ni en enfermedad. Al Proyecto Genoma han seguido numerosas iniciativas, como el estudio del proteoma (conjunto de proteínas del organismo), el transcriptoma (del total de moléculas de ARN), el metaboloma (las interacciones entre las redes metabólicas), entre otras muchas.

Solo un punto de partida Los biólogos moleculares comenzaron a comprender que aún después de que encontraran, mapearan, clonaran y secuenciaran un gen, sus búsquedas sólo habían comenzado. Todavía no podían hacer nada con el gen mientras no supieran lo que hacía el gen. Jonathan Weiner La secuenciación del genoma humano y de otras especies generó una enorme cantidad de información, que ha sido almacenada en bases de datos. Igualmente, del proyecto original de determinar la secuencia del ADN de un individuo, se han sucedido proyectos para el estudio de mil genomas, cien mil genomas, para establecer los polimorfismos y otras fuentes de variaciones genéticas en el humano, para determinar los genes implicados en el cáncer, etc. La publicación de bases de datos, repositorios y otros recursos de información biológica ha ido creciendo significativamente, al igual que su nivel de integración o interrelación y los algoritmos y otras herramientas para el análisis, la interpretación y la utilización de los datos disponibles, una buena parte de ambos accesibles de manera gratuita en Internet.

intentando una definición BIOINFORMÁTICA: intentando una definición Biología + Computación Arthur M. Lesk, Cambridge Biotecnologías + Tecnologías de información Mark S. Boguski, NCBI Biología + Medicina + Matemática + Estadística + Computación Janet M. Thorton, University College La bioinformática, como disciplina emergente en las ciencias biomédicas, surgió a partir de la explosión de información generada por el Proyecto Genoma Humano y de la secuenciación de los genomas de otras especies, expresada en términos de secuencias de ácidos nucleicos y de proteínas, estructuras moleculares tridimensionales, interacciones y vías metabólicas, entre otros. El término “bioinformática” puede ser rastreado en la literatura hasta 1984. Búsqueda y recuperación de información biológica y bases de datos biológicos. Tecnologías de la información asociadas con las ciencias biológicas. Sándor Pongor, ICGEB

intentando una definición BIOINFORMÁTICA: intentando una definición Disciplina que incluye todos los aspectos relacionados con la adquisición, procesamiento, almacenamiento, distribución, análisis e interpretación de la información biológica. David Benton NCHGR TIBTECH 1996;14:261-272 En su concepción actual más amplia aborda todos los aspectos relacionados con la adquisición, el procesamiento, la distribución, el análisis y la interpretación de la información biológica.

OBJETOS DE ESTUDIO DE LA BIOINFORMÁTICA Moléculas: Secuencia Estructura Modificaciones Interacciones Individuos: Genotipo/fenotipo Cambios temporales Células: Expresión génica Linajes y muerte Complejos ma- cromoleculares Poblaciones Desde eventos moleculares a nivel subcelular hasta fenómenos poblacionales son modelados o recreados por métodos bioinformáticos, aportando nuevos conocimientos a la biología básica y soportando argumentos para la toma de decisiones y la implementación de acciones sanitarias de índole diversa. Los métodos computacionales actuales permiten analizar la secuencia y la estructura de los genes ya identificados, la anotación funcional de genes candidatos, las características de genes implicados en enfermedades conocidas, las redes de regulación génica, las interacciones proteína-proteína, datos de los modelos animales y del fenotipo de la enfermedad o rasgo en cuestión.

APLICACIONES DE LA BIOINFORMÁTICA Adquisición de datos Comparación de secuencias Predicción de estructuras y modelación molecular Evolución molecular La predicción, validación y caracterización de genes aún no identificados, de las proteínas derivadas de ellos, de las interacciones entre genes, proteínas y otras moléculas de la vida, así como el análisis holístico de la expresión de conjuntos de genes en células y circunstancias particulares, entre otros muchos aspectos, tienen y tendrán un impacto notable en el desarrollo de nuevos medicamentos y métodos diagnósticos. De ello se ocupan la biología sintética, la biología de sistemas, la genómica funcional y otras disciplinas, todas las cuales se apoyan en herramientas bioinformáticas.

APLICACIONES DE LA BIOINFORMÁTICA Identificación de genes Herramientas de búsqueda en bases de datos Expresión de genes Clasificación de proteínas Farmacogenómica Los estudios de secuencia y de asociación genómica reportan un número que supera los varios cientos de nuevos genes y variaciones genéticas interindividuales relacionados con enfermedades y condiciones diversas como cáncer, infecciones, diabetes, hipertensión, glaucoma, asma, enfermedades cardiovasculares y cerebrovasculares, autismo, obesidad, envejecimiento, epilepsia y esquizofrenia, entre muchas otras. La farmacogenómica se relaciona con la influencia de los polimorfismos genéticos en la respuesta a los productos terapéuticos, un campo que puede cambiar el problema creciente de las reacciones adversas a medicamentos y explicar los fallos del tratamiento en muchos enfermos.

FUNCIONES DE LA BIOINFORMÁTICA PRIMARIA: Organizar y procesar datos SECUNDARIA: Dar sentido biológico a la información La bioinformática ha ido ganando espacios en la investigación biológica y de otras disciplinas científicas que tributan a ella, al punto de que hoy se considera que los métodos in silico (computacionales) son ya tan importantes para el avance de las ciencias biológicas como los métodos in vitro e in vivo y la biología está evolucionando para fusionarse con la bioinformática en el presente siglo. TERCIARIA: Predicciones diagnósticas o terapéuticas

EXPERIMENTACIÓN IN SILICO El nuevo paradigma es que todos los genes se conocerán y el punto de partida para una investigación biológica será TEÓRICO. En un futuro cada vez más próximo, las estrategias computacionales serán facilitadas por la integración mejorada de la investigación clínica y bioinformática, así como por una mayor disponibilidad de datos del genoma y el fenotipo clínico en un formato accesible a las herramientas.

Una década después… El abaratamiento de las tecnologías de secuenciación hará posible, probablemente en el plazo de una década, el estudio de los genomas individuales de una manera accesible, como ya se hizo con algunas personalidades y se pretende con los proyectos de los 1000 y de los 10 000 genomas. El crecimiento de datos biológicos disponibles en bases y repositorios de acceso público mantiene un ritmo exponencial, al igual que los algoritmos y programas para su manipulación y extracción de información con aplicación en las ciencias biomédicas.

Bases de datos: nuevas fuentes de información para la práctica clínica Seguir el ritmo del descubrimiento de nuevos genes y mecanismos puede ser una empresa difícil para los profesionales, en la que pueden ser de mucha utilidad varias bases de datos como OMIM, Ensembl y KEGG, entre otros recursos ya hoy a disposición de todos no solo con datos básicos, sino también con información sobre la influencia de los polimorfismos en varias enfermedades y caracteres y en la respuesta a medicamentos, y otros aspectos de utilidad en la práctica clínica. Los profesionales de la salud se verán forzados cada vez más a consultar estos recursos en busca de información actualizada que han de requerir para la práctica médica cotidiana, permeada de manera creciente por la bioinformática; los sistemas de información hospitalaria, de hecho, deberán prepararse para brindar acceso y almacenar estos datos de nuevo tipo.

KEGG http://www.genome.jp/kegg/ KEGG (Kyoto Encyclopedia of Genes and Genomes), desarrollada a partir de 1995, busca la comprensión de las funciones de los sistemas biológicos, ya sea una célula, un organismo o un ecosistema, a partir de la información genómica y molecular. Está formada por 16 bases de datos. http://www.genome.jp/kegg/

¿Qué información contiene KEGG? KEGG es un excelente recurso, con una vasta información sobre genes, vías metabólicas y enfermedades humanas, que presenta por medio de gráficos muy completos y datos adicionales en hipertextos.

OMIM Se ha recomendado que el acceso a las bases de datos del genoma a través de fuentes informáticas y al conocimiento que se va generando se facilite a los médicos de la atención primaria así como enseñarles el acceso a fuentes científicas, pues muy pocos galenos recurren, por ejemplo, a OMIM, que les puede ofrecer una información al día del componente genético de numerosas enfermedades. http://omim.org/

¿Qué información contiene OMIM? OMIM contiene información sobre todos los trastornos mendelianos conocidos y más de 12,000 genes. Se enfoca en la relación entre el genotipo y el fenotipo. Se actualiza diariamente y sus registros contienen numerosos enlaces a otros recursos genéticos.

PDB http://www.rcsb.org/pdb/ PDB (Protein Data Bank) es el repositorio de información sobre estructuras tridimensionales de grandes moléculas biológicas, incluyendo proteínas y ácidos nucleicos. Tal conocimiento puede emplearse para deducir el papel de la estructura en la salud y la enfermedad, así como en el desarrollo de fármacos. Fue creado en 1971, inicialmente con solo 7 estructuras. http://www.rcsb.org/pdb/

¿Qué información contiene PDB? Las estructuras almacenadas van desde pequeñas proteínas y fragmentos de ADN hasta complejas máquinas moleculares como el ribosoma. Está disponible gratuitamente y se actualiza los miércoles de cada semana. Estructuras tridimensionales

más información y actualizarse sobre médicas de la Bioinformática? ¿Dónde encontrar más información y actualizarse sobre las aplicaciones médicas de la Bioinformática? La comprensión de los mecanismos que se develarán sobre la patogenia de las enfermedades, los ensayos diagnósticos y nuevas alternativas terapéuticas que de ello se derivarán, exigirán una formación continua y un conocimiento que no podrá ser superficial.

La preparación de los profesionales de la salud para enfrentar los desafíos que les planteará la asistencia médica en el escenario de la medicina molecular personalizada en las que les tocará desempeñarse, pasa inexorablemente por la incorporación de la bioinformática a su educación; un reciente esfuerzo en tal sentido es la creación de un sitio web sobre el tema: Bioinformática para la Salud (http://blogs.sld.cu/oserranob/). http://blogs.sld.cu/oserranob/

Es importante insistir en comenzar a ver a las bases de datos de información biológica como un tipo de fuente secundaria de información científica, con igual valor y utilidad que recursos como PubMed y otros similares. La diseminación de información de alta calidad sobre las aplicaciones genómicas en la práctica y la prevención es una importante acción de empoderamiento de los sistemas de salud. Revistas de alto impacto publican continuamente trabajos sobre esta área y periódicamente dedican números especiales a la enumeración, actualización y caracterización de tales recursos y a las aplicaciones clínicas de la genómica y la bioinformática.

También disponible: Información sobre: - otras herramientas bioinformáticas, - genomas, - eventos… Sus actualizaciones se circulan vía e-mail. Suscripciones y colaboraciones con: orlando@ltu.sld.cu orlandosb@infomed.sld.cu Se ha catalogado de urgente e inmediata la necesidad de crear foros para estimular la discusión y el intercambio de los hallazgos científicos y la comprensión de la bioinformática clínica, con el claro objetivo de tratar las enfermedades y mejorar la calidad de vida de los pacientes.

UN RESUMEN A MODO DE CONCLUSIONES, O VICEVERSA La biología y la medicina no son las mismas desde que tuvieron relaciones con la computación. La medicina será aún más diferente en unos pocos años. Existe una medicina virtual que es tan real como la que está allá afuera. Se pueden buscar respuestas, formular hipótesis y hasta hacer experimentos sin un laboratorio ni “salir de casa”. El profesional de la salud necesita ineludiblemente de las herramientas bioinformáticas, no como una habilidad opcional sino básica, que mejorarán su desempeño clínico. Las aplicaciones clínicas de la bioinformática exigirán conocimientos y habilidades a los profesionales de la salud en todos los niveles de atención. La bioinformática sirve de interfase y aporta el conocimiento para disponer de una atención sanitaria individualizada, así como otras aplicaciones de alcance potencialmente poblacional, por medio de fuentes relevantes de información biológica. La próxima generación de clínicos e investigadores estará familiarizada con las aplicaciones bioinformáticas y será capaz de brindar a los pacientes los beneficios de la medicina personalizada. La educación y el apoyo clínico serán necesarios para asegurar el uso efectivo y apropiado de la genética en la medicina, por lo que las acciones educativas en los profesionales de la salud deben continuar y tener lugar a todos los niveles.

ARTÍCULOS RECOMENDADOS: Trends in Biotechnology 1996;14:261-272. Biotech Journal International 2001;12-14. Nucleic Acids Research 2010;38 [Database issue]:D1–D4. Briefings in Bioinformatics 2010;2(1):1-2. Genome Medicine 2009;1:77. Pharmacogenomics 2010;11(2):249–256. Nature. 2009;462(7269):21. OTROS ARTÍCULOS: Singh A, Emery J. Pharmacogenomics. The potential of genetically guided prescribing. Aust Fam Physician. 2007 Oct;36(10):820-4. Wain LV, Armour JAL, Tobin MD. Genomic copy number variation, human health, and disease. Lancet 2009;374:340–50. Clermont G, Auffray C, Moreau Y, Rocke DM, Dalevi D, Dubhashi D et al. Bridging the gap between systems biology and medicine. Genome Medicine 2009;1:88. Cañedo Andalia R, Arencibia Jorge R. Bioinformática: en busca de los secretos moleculares de la vida. Acimed 2004;12(6). Disponible en: http://bvs.sld.cu/revistas/aci/vol12_6_04/aci02604.htm Consultado: 30/08/2010. Benson DA, Karsch-Mizrachi I, Lipman DJ, Ostell J, Wheeler DL. GenBank. Nucleic Acids Research 2008;36 Database issue:D25–D30. The UniProt Consortium. The Universal Protein Resource (UniProt) in 2010. Nucleic Acids Research 2010;38 Database issue:D142–D148. Kanehisa M, Goto S, Furumichi M, Tanabe M, Hirakawa M. KEGG for representation and analysis of molecular networks involving diseases and drugs. Nucleic Acids Research 2010;38 Database issue:D355–D360. Kirchmair J, Markt P, Distinto S, Schuster D, Spitzer GM, Liedl KR et al. The Protein Data Bank (PDB), its related services and software tools as key components for in silico guided drug discovery. J Med Chem. 2008 Nov 27;51(22):7021-40. Kuntzer J, Eggle D, Klostermann S, Burtscher H. Human variation databases. Database 2010.

AUTOEVALUACIÓN: Mencione los tres hallazgos o avances que, a su juicio, fueron más relevantes en la secuenciación del genoma humano. De las funciones de la bioinformática, ¿cuál considera más cercana a su labor? ¿Por qué? En una de las bases de datos presentadas busque información sobre una enfermedad de su interés. Comparta este material con todos aquellos a quienes crea pueda resultar de interés. Puede enviar sus comentarios, sugerencias y críticas al autor (orlandosb@infomed.sld.cu, orlando@ltu.sld.cu).