Solo el 1% de nuestro genoma contiene instrucciones para fabricar las proteínas conocidas. ¿Qué pasa con el resto?
El desarrollo de ShortStop, una inteligencia artificial capaz de analizar el segmento menos comprendido del ADN humano, también conocido como el ‘lado oscuro’ del genoma, se perfila como una herramienta que podría transformar el diagnóstico temprano del cáncer y otras enfermedades complejas.
Las aplicaciones iniciales de este sistema ya han dado frutos notables: ShortStop permitió identificar una microproteína con presencia elevada en células de tumores malignos de pulmón, lo que apunta a que estas pequeñas moléculas podrían emplearse como marcadores biomédicos tempranos, incluso antes de que los métodos convencionales logren detectarlas.
Los secretos ocultos del ADN
En la base de la vida, todas las proteínas que conforman y regulan las células humanas están codificadas en el ADN. Sin embargo, solo alrededor de un 1% de nuestro genoma contiene instrucciones para fabricar esas proteínas convencionales, que suelen estar compuestas por miles de aminoácidos y poseen funciones tan diversas como estructurales, enzimáticas o regulatorias. El 99% restante del genoma, históricamente despreciado como ‘ADN basura’, alberga en realidad sistemas sofisticados de regulación, defensa y estructura que permiten el correcto funcionamiento celular y del organismo en su conjunto.
En los últimos años, investigadores han descubierto que parte de ese ADN periférico consigue producir proteínas muy pequeñas, conocidas como microproteínas. Estas moléculas, formadas por apenas unas decenas o un centenar de aminoácidos, pasan inadvertidas ante la mayoría de herramientas analíticas actuales, que están diseñadas para identificar proteínas de mayor tamaño. La función de muchas de estas microproteínas aún es desconocida, pero existe creciente evidencia de que cumplen roles esenciales en la regulación, la defensa inmunitaria y en la aparición o progresión de enfermedades como el cáncer, enfermedades neurodegenerativas y afecciones metabólicas.
Detectar microproteínas supone un reto considerable: no es suficiente con buscar directamente las proteínas, ya que a menudo sus señales son casi imperceptibles o confusas. Para facilitar la tarea, los científicos rastrean primero regiones del genoma con potencial para generar microproteínas, aumentando la eficiencia del proceso. El proyecto es equiparable, según los expertos, a buscar el hábitat y los comportamientos de un ave antes de adentrarse en un inmenso bosque a observarla: se reduce el margen de error y se eleva la probabilidad de éxito.
Pero el desafío técnico es notable porque el genoma humano contiene unos 3 mil millones de pares de bases nitrogenadas, equivalente a la friolera de mil quinientos volúmenes de ‘El Quijote’, dentro de los cuales hay que ubicar secuencias cortas y exclusivas entre millones de posibilidades, a menudo saturadas por señales engañosas conocidas como ‘señuelos’ genéticos.
Un potencial revolucionario
Para abordar este panorama complejo, investigadores del Instituto Salk de Estudios Biológicos han diseñado, y entrenado con datos de microproteínas ya conocidas, la inteligencia artificial ShortStop. Esta herramienta es capaz de distinguir con precisión creciente entre regiones realmente codificantes de microproteínas y áreas irrelevantes desde el punto de vista funcional, lo cual acelera considerablemente las investigaciones en este nuevo campo de la biomedicina.
Uno de los grandes logros del proyecto es su aplicabilidad: como indicó Brendan Miller, investigador postdoctoral que encabeza el estudio, “lo que hace a ShortStop una herramienta tan potente es que funciona con conjuntos de datos comunes, como los de secuenciación de ARN, que muchos laboratorios ya utilizan”. Esto democratiza el acceso a la tecnología: no se requieren infraestructuras especializadas ni equipos excesivamente costosos, lo que pone la identificación de microproteínas al alcance de centros de investigación de todo el mundo.
La trascendencia de ShortStop radica no solo en su capacidad de análisis, sino en sus implicaciones prácticas para la medicina. Los investigadores han empleado el sistema para cribar bases de datos genéticos y, al comparar muestras de tejido sano con células tumorales de pulmón, han hallado una microproteína cuya concentración aumenta de forma significativa en los tumores.
Aunque la función precisa de esta microproteína es por ahora desconocida, se perfila como un potencial biomarcador: su detección podría alertar a los médicos sobre la formación inicial de un cáncer pulmonar en fases tan tempranas que escapan incluso a las tecnologías más avanzadas de diagnóstico por imagen. Ello permitiría realizar pruebas adicionales y comenzar tratamientos de inmediato, mejorando notablemente las tasas de supervivencia y la calidad de vida de los pacientes.
