Una colecci¨®n de 100.000 millones de 'letras' gen¨®micas

Hace poco m¨¢s de 20 a?os que cient¨ªficos de todo el mundo empezaron a almacenar en colecciones la informaci¨®n gen¨¦tica que iban obteniendo de los organismos. Esta informaci¨®n se escribe en ristras de pares de cuatro letras o bases qu¨ªmicas -A, C, G y T-. Hace unos d¨ªas, las tres principales colecciones p¨²blicas de bases, interconectadas entre s¨ª, superaron en conjunto los 100.000 millones de bases almacenadas. Pertenecen a los genomas de al menos 200.000 organismos distintos.

Estas colecciones p¨²blicas se han convertido en una herramienta absolutamente indispensable para el trabajo de los investigadores. Gracias a ellas es posible comparar genomas de distintos organismos muy f¨¢cilmente, y comprobar, por ejemplo, que humanos y ratones compartimos cientos de fragmentos de ADN exactamente iguales, cada uno de entre 200 y 800 bases. Tambi¨¦n gracias a las colecciones es posible, por ejemplo, hacer pron¨®sticos sobre la funci¨®n de una prote¨ªna en un organismo si se conoce lo que hace en otro. De hecho, lo m¨¢s habitual cuando se tiene una secuencia es consultar con las bases de datos para obtener informaci¨®n sobre ella de forma casi instant¨¢nea.

Muchos de los 100.000 millones de bases pertenecen a los casi 1.500 genomas que han sido secuenciados completamente o casi. Entre estos, la mayor¨ªa son virus -m¨¢s de un millar- y bacterias -varios cientos-, pero tambi¨¦n est¨¢n el genoma humano, el del perro y el de los organismos m¨¢s empleados en los laboratorios, como la planta Arabidopsis thaliana , el gusano Caenorhabditis elegans o la mosca Drosophila melanogaster.

Las tres instituciones con las colecciones m¨¢s importantes son el Laboratorio Europeo de Biolog¨ªa Molecular (EMBL), cuya colecci¨®n est¨¢ en Hinxton (Reino Unido); GenBank, en Bethesda (EE UU); y el Banco de Datos de ADN de Jap¨®n, en Mishima (Jap¨®n).

El estudio de los genes de los organismos empez¨® a finales de los setenta. Enseguida surgi¨® la idea de almacenar la informaci¨®n que se iba obteniendo en bases de datos o colecciones de acceso p¨²blico. Kurt St¨¹ber, entonces en la Universidad de Colonia, en Alemania, empez¨® la colecci¨®n del EMBL a principios de los ochenta. Walter Goad, de LANL, empez¨® muy poco despu¨¦s la de GenBank. La colaboraci¨®n entre ambas comenz¨® muy pronto, y en 1987 se uni¨® la base japonesa.

En los primeros tiempos el personal de estas bases de datos buscaba las secuencias publicadas en revistas cient¨ªficas y las tecleaba para meterlas en la base. Los usuarios recib¨ªan la informaci¨®n en discos flexibles o en cintas magn¨¦ticas. Hoy el acceso y la obtenci¨®n de la informaci¨®n v¨ªa Internet es inmediato.

Para Graham Cameron, director asociado del Instituto Europeo de Bioinform¨¢tica del EMBL, el haber superado los 100.000 millones de bases "es un hito importante en la historia de las bases de datos de secuencias de nucle¨®tidos. Desde la primera colecci¨®n del EMBL hecha p¨²blica en 1982 a las m¨¢s de 55 millones de secuencias actuales, las bases de datos se han anticipado a las necesidades de los bi¨®logos moleculares y las han satisfecho, a menudo a pesar de una notable falta de fondos".

Takashi Gojobori, director de la base japonesa, cree: "A medida que entramos en la era de la biolog¨ªa de sistemas y los investigadores empiezan a intercambiar informaci¨®n compleja, como los resultados de experimentos que miden la actividad de miles de genes, o los modelos computacionales de procesos completos, es importante celebrar los logros de las tres colecciones pioneras en el intercambio libre de la informaci¨®n biol¨®gica".