La evolución no es tan aleatoria como pensábamos

Las relaciones coincidentes de genes predecibles y sus predictores. Los nodos son familias de genes, o grupos de familias de genes con la misma PAP, y los bordes son relaciones de coincidencia con flecha que apunta al nodo cuya presencia predice el otro - PNAS DOI: 10.1073/PNAS.2304934120

   MADRID, 4 Ene. (EUROPA PRESS) -

   Un nuevo estudio ha descubierto que la trayectoria evolutiva de un genoma puede estar influenciada por su historia evolutiva, en lugar de determinada por numerosos factores y casualidades.

   La investigación, que desafía la vieja creencia sobre la imprevisibilidad de la evolución, podría permitir a los científicos explorar qué genes podrían ser útiles para abordar problemas del mundo real como la resistencia a los antibióticos, las enfermedades y el cambio climático.

   El estudio, publicado en Proceedings of the National Academy of Sciences, fue dirigido por el profesor James McInerney y el Dr. Alan Beavan de la Facultad de Ciencias de la Vida de la Universidad de Nottingham, y la Dra. María Rosa Domingo-Sananes de la Universidad de Nottingham Trent.

   "Las implicaciones de esta investigación son nada menos que revolucionarias", afirmó el profesor McInerney, autor principal del estudio. "Al demostrar que la evolución no es tan aleatoria como alguna vez pensábamos, hemos abierto la puerta a una variedad de posibilidades en biología sintética, medicina y ciencia ambiental".

   El equipo llevó a cabo un análisis del pangenoma (el conjunto completo de genes dentro de una especie determinada) para responder a la pregunta crítica de si la evolución es predecible o si las trayectorias evolutivas de los genomas dependen de su historia y, por lo tanto, no son predecibles en la actualidad.

   Utilizando un enfoque de aprendizaje automático conocido como Random Forest, junto con un conjunto de datos de 2.500 genomas completos de una sola especie bacteriana, el equipo llevó a cabo varios cientos de miles de horas de procesamiento informático para abordar la cuestión.

   Después de introducir los datos en su computadora de alto rendimiento, el equipo primero creó "familias de genes" a partir de cada uno de los genes de cada genoma. "De esta manera, podríamos comparar genomas similares", dijo la doctora Domingo-Sananes.

   Una vez identificadas las familias, el equipo analizó el patrón de cómo estas familias estaban presentes en algunos genomas y ausentes en otros.

   "Descubrimos que algunas familias de genes nunca aparecían en un genoma cuando otra familia de genes en particular ya estaba allí, y en otras ocasiones, algunos genes dependían en gran medida de la presencia de una familia de genes diferente", agregó.

   En efecto, los investigadores descubrieron un ecosistema invisible donde los genes pueden cooperar o entrar en conflicto entre sí.

   "Estas interacciones entre genes hacen que algunos aspectos de la evolución sean algo predecibles y, además, ahora tenemos una herramienta que nos permite hacer esas predicciones", añadió Domingo-Sananes.

   El Dr. Beavan dijo: "A partir de este trabajo, podemos comenzar a explorar qué genes 'apoyan' un gen de resistencia a los antibióticos, por ejemplo. Por lo tanto, si estamos tratando de eliminar la resistencia a los antibióticos, podemos atacar no sólo el gen focal, sino también también puede apuntar a sus genes de apoyo.

   "Podemos utilizar este enfoque para sintetizar nuevos tipos de construcciones genéticas que podrían usarse para desarrollar nuevos medicamentos o vacunas. Saber lo que sabemos ahora ha abierto la puerta a una gran cantidad de otros descubrimientos".

   Las implicaciones de la investigación son de gran alcance y podrían conducir a:

   - Diseño novedoso del genoma: permite a los científicos diseñar genomas sintéticos y proporciona una hoja de ruta para la manipulación predecible del material genético.

   - Combatir la resistencia a los antibióticos: comprender las dependencias entre genes puede ayudar a identificar el "elemento de apoyo" de genes que hacen posible la resistencia a los antibióticos, allanando el camino para tratamientos específicos.

   - Mitigación del cambio climático: los conocimientos del estudio podrían informar el diseño de microorganismos diseñados para capturar carbono o degradar contaminantes, contribuyendo así a los esfuerzos para combatir el cambio climático.

   - Aplicaciones médicas: la previsibilidad de las interacciones genéticas podría revolucionar la medicina personalizada al proporcionar nuevas métricas para el riesgo de enfermedades y la eficacia del tratamiento.