💡 Resumen (TL;DR):
- Bioingenieros crearon una técnica de traducción inversa para leer proteínas con plataformas de secuenciación genética.
- El nuevo método incrementa la sensibilidad de detección en unas 1,000 veces frente a las herramientas estándar.
- Investigadores en California también lanzaron software de código abierto para automatizar el análisis genómico masivo.
Dos equipos de investigadores presentaron esta semana herramientas que cambiarán la forma de estudiar las moléculas biológicas. Por un lado, la Universidad de Stanford logró convertir secuencias de proteínas en ADN para detectarlas con precisión inédita. Por otro, expertos en California automatizaron el análisis de conjuntos masivos de datos genómicos.
El avance de hardware y química se publicó el 18 de marzo en la revista Nature Biotechnology. Un equipo de bioingenieros de la Universidad de Stanford, liderado por H. Tom Soh, desarrolló una técnica de traducción inversa que adapta el equipo ya existente en los laboratorios.
Este método usa un proceso químico modificado para etiquetar aminoácidos individuales con códigos de barras de ADN específicos para cada molécula de péptido. Después, anticuerpos y ADN sintético codifican la identidad y posición de cada proteína para generar una biblioteca que los secuenciadores estándar logran leer.
“Este es el gran avance”, explicó Soh. “Podemos secuenciar proteínas individuales a nivel de una sola molécula, requiriendo muy poca muestra que nos puede llevar a células individuales”.
El salto técnico frente a la espectrometría
La estrategia promete aumentar la sensibilidad aproximadamente unas 1,000 veces respecto a la espectrometría de masas, el instrumento central actual para el análisis de proteínas.
Liwei Zheng, primer autor del estudio, detalló que la espectrometría tradicional suele capturar solo una fracción de las moléculas presentes. “Con nuestro método, potencialmente puedes ver 1,000 veces esa cantidad”, aseguró Zheng.
Este nivel de precisión permitirá detectar proteínas raras vinculadas a enfermedades como el cáncer, las cuales existen en cantidades demasiado pequeñas para los equipos convencionales. El equipo ahora trabaja en diseñar un instrumento integral que requiera intervención manual mínima.
Automatización de código abierto
De manera paralela, científicos del Sanford Burnham Prebys y la Universidad de California en Los Ángeles (UCLA) presentaron el 17 de marzo en Cell Reports Methods una solución complementaria en software.
metapipeline-DNA es una herramienta computacional de código abierto que automatiza y estandariza el análisis de datos de secuenciación de ADN. Construida sobre el sistema de flujo de trabajo Nextflow, la plataforma opera en distintos entornos, incluyendo la nube.
“El objetivo es automatizar el control de calidad, la determinación de variantes genéticas y todos los demás pasos de análisis para hacerlo mucho más fácil, de modo que los investigadores no necesiten escribir su propio código para procesar sus datos”, señaló Yash Patel, co-primer autor y arquitecto de infraestructura en la nube.
El equipo validó la herramienta con el consorcio Genome in a Bottle, reduciendo la detección de falsos positivos sin sacrificar precisión. Paul Boutros, autor principal, confirmó que extenderán esta arquitectura a datos de ARN y proteínas.
Ambos desarrollos resuelven el exceso de volumen de datos biológicos y señalan el 2026 como el punto de inflexión tecnológico para establecer análisis moleculares más rápidos, económicos y accesibles a nivel global.
