El ADN lleva nuestros genes [VIDEO], que deletrean las instrucciones que nuestras células usan para fabricar proteínas, esas moléculas de caballo de batalla que componen nuestro ser físico y hacen que casi todo en la vida sea posible.

Pero la relación precisa entre los "planos" de proteínas [VIDEO]codificados en los genes y la cantidad de proteína que produce una célula determinada de ninguna manera está clara. Cuando un gen se activa y su mensaje se copia en una molécula de ARN, un biólogo no puede estar más seguro de saber si resulta en la fabricación de una proteína en funcionamiento que un banquero saber si un cheque escrito por uno de sus clientes terminará siendo cobrado.

Secuenciación de ADN y ARN

Gracias a los avances en la secuenciación de ADN y ARN, los biólogos son increíblemente buenos para saber qué cantidad de código de un gen se está copiando en cualquier momento en mensajes de ARN, el primer paso para producir proteínas. Pero no son tan buenos para descifrar qué tan rápido se leen esos mensajes de ARN de extremo a extremo en las fábricas celulares llamadas ribosomas, donde se sintetizan las proteínas.

Ahora, un equipo multidisciplinario de investigadores de Cold Spring Harbor Laboratory (CSHL), la Universidad Stony Brook (SBU) y la Universidad Johns Hopkins (JHU) ha lanzado un software que puede ayudar a los biólogos a determinar esto de manera más precisa. Usaron levadura unicelular y el microbio común E. coli para demostrar su nuevo programa, llamado Scikit-Ribo.

Scikit-Ribo

Un conjunto de lentes correctivos matemáticos diseñados para ser "colocados sobre" un método introducido en 2009, llamado Riboseq. Este último reveló como nunca antes cuál, y con qué rapidez, las células convierten el ARN en proteína.

Fue un gran avance, dice Michael Schatz, PhD, un biólogo cuantitativo de CSHL y JHU, que junto con Gholson Lyon, MD, PhD, de CSHL, supervisó el trabajo de un talentoso joven científico Han Fang, PhD, un recién graduado de SBU. . Fue Fang quien descubrió cómo construir la lente correctora para que los datos de Riboseq pudieran enfocarse.

La idea de Fang era usar técnicas avanzadas de modelado estadístico para explicar el hecho de que los ribosomas no funcionan a un ritmo uniforme, sino que tienden a detenerse, por ejemplo, cuando se encuentran con acodamientos en forma de horquilla en los mensajes de ARN entrantes. Scikit-ribo también filtra el ruido que enturbiaba los resultados crudos de Riboseq. Ahora los dos métodos se pueden usar juntos, para generar una imagen mucho más precisa de qué mensajes de ARN se están leyendo en ribosomas específicos y, quizás lo más importante, cuánta proteína funcional se está generando.

"La cantidad de proteína que realmente se produce puede o no ser igual a la cantidad que se expresa un gen determinado", dice Schatz.Lyon de CSHL usó Scikit-Ribo para explorar la capacidad de los ribosomas para convertir ciertos mensajes de ARN en proteínas, en el contexto de una extraña enfermedad de desarrollo humano que descubrió en 2011 llamada síndrome de Ogden.

En este caso, el nuevo método se utilizó para estudiar la hipótesis de que los errores en la traducción en el ribosoma pueden estar involucrados.