Capítulo 5: Introducción a los alineamientos de secuencias
Capítulo 5: Introducción a los alineamientos de secuencias
Capítulo 5: Introducción a los alineamientos de secuencias
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Vistazo<br />
“Los <strong>alineamientos</strong> <strong>de</strong> <strong>secuencias</strong> <strong>de</strong> nucleótidos y proteínas serán tratados en este capítulo.<br />
Para empezar, apren<strong>de</strong>remos a encontrar patrones repetidos en una secuencia o entre un par<br />
<strong>de</strong> <strong>secuencias</strong> mediante una herramienta gráfica llamada Dotplot.<br />
Posteriormente conoceremos <strong>los</strong> diferentes tipos <strong>de</strong> <strong>alineamientos</strong> que existen (locales y<br />
globales) y veremos dos medidas <strong>de</strong> similitud entre <strong>secuencias</strong> (el “e-value” y el Score).<br />
También haremos una breve introducción a las dos herramientas <strong>de</strong> alineamiento más usadas<br />
en bioinformática: BLAST y ClustalW. La primera nos permite encontrar <strong>secuencias</strong> similares a<br />
un ‘query’ en una base <strong>de</strong> datos y la segunda nos permite realizar <strong>alineamientos</strong> múltiples y, en<br />
algunos casos, hacer inferencias evolutivas.<br />
Conoceremos un programa que hace uso <strong>de</strong> <strong>alineamientos</strong> para reconocer intrones <strong>de</strong> un gen<br />
partiendo <strong>de</strong> la secuencia <strong>de</strong> ADN y la proteína que codifica. Finalizaremos aprendiendo a usar<br />
una base <strong>de</strong> datos <strong>de</strong> <strong>secuencias</strong> homólogas en el NCBI, llamada HomoloGene.”<br />
<strong>Introducción</strong><br />
“La mera formulación <strong>de</strong> un problema es la mayoría <strong>de</strong> las veces más importante que su<br />
solución, que pue<strong>de</strong> ser simplemente una cuestión <strong>de</strong> habilidad matemática o experimental.<br />
Formular nuevas preguntas, nuevas posibilida<strong>de</strong>s, mirar problemas antiguos <strong>de</strong>s<strong>de</strong> un nuevo<br />
ángulo, requiere una imaginación creativa y marca verda<strong>de</strong>ros avances en la ciencia.”<br />
Albert Einstein<br />
La ciencia se fundamenta en la experimentación: si no hay evi<strong>de</strong>ncia empírica, no hay verdad.<br />
Se pue<strong>de</strong>n formular hipótesis, incluso con un altísimo grado <strong>de</strong> <strong>de</strong>talle, pero hasta no ser<br />
probados en el mundo real siguen siendo poco más que artificios <strong>de</strong> nuestra imaginación.<br />
La forma usual <strong>de</strong> ejecutar un experimento es cambiar o controlar <strong>los</strong> parámetros y ver qué<br />
ocurre <strong>de</strong>spués <strong>de</strong> ese control. Aquí la bioinformática juega un papel importante, proponiendo<br />
qué cambios <strong>de</strong>ben hacerse y qué variables controlar. Si bien no será tratado en este capítulo,<br />
la bioinformática está <strong>de</strong>scifrando patrones <strong>de</strong> expresión relacionados con ciertos tipos <strong>de</strong><br />
cáncer (con la ayuda <strong>de</strong> una tecnología conocida con el nombre <strong>de</strong> microarreg<strong>los</strong>). De esta<br />
forma, permite focalizar las investigaciones en estos tipos específicos <strong>de</strong> cáncer.<br />
Sin embargo, este método directo <strong>de</strong> investigación no pue<strong>de</strong> usarse en todos <strong>los</strong> casos.<br />
Darwin, autor <strong>de</strong> <strong>los</strong> fundamentos <strong>de</strong> la teoría <strong>de</strong> la evolución actual, nos sugiere una forma <strong>de</strong><br />
aproximarse a ciertos problemas, que Douglas Futuyma la resume así:<br />
“Darwin propuso una hipótesis (p.ej. selección natural), <strong>de</strong>dujo predicciones <strong>de</strong> qué<br />
<strong>de</strong>beríamos ver si fuera verda<strong>de</strong>ra o falsa, y juzgó su vali<strong>de</strong>z comparando observaciones con<br />
las predicciones. Este método hipotético-<strong>de</strong>ductivo ahora es usado ampliamente en ciencia.” [1]<br />
Es en este método hipotético-<strong>de</strong>ductivo don<strong>de</strong> el análisis bioinformático se vuelve fundamental:<br />
El es un lente a través <strong>de</strong>l cuál po<strong>de</strong>mos observar la información presente en gran<strong>de</strong>s<br />
volúmenes <strong>de</strong> datos.<br />
Tomemos un ejemplo frecuente: establecer las relaciones filogenéticas (esto es, el parentesco<br />
evolutivo) <strong>de</strong> un conjunto <strong>de</strong> especies biológicas. Partimos <strong>de</strong> la hipótesis (fundamentada por<br />
autores anteriores), que si dos especies son cercanas filogenéticamente, entonces <strong>de</strong>ben tener<br />
una secuencia <strong>de</strong> ADN similar.<br />
A partir <strong>de</strong> esta hipótesis nos preguntamos: ¿qué <strong>de</strong>beríamos observar si las especies <strong>de</strong><br />
verdad están relacionadas? Concluimos que, si seleccionamos segmentos a<strong>de</strong>cuados <strong>de</strong> ADN<br />
2