Capítulo 5: Introducción a los alineamientos de secuencias

Vistazo
“Los alineamientos de secuencias de nucleótidos y proteínas serán tratados en este capítulo.
Para empezar, aprenderemos a encontrar patrones repetidos en una secuencia o entre un par
de secuencias mediante una herramienta gráfica llamada Dotplot.
Posteriormente conoceremos los diferentes tipos de alineamientos que existen (locales y
globales) y veremos dos medidas de similitud entre secuencias (el “e-value” y el Score).
También haremos una breve introducción a las dos herramientas de alineamiento más usadas
en bioinformática: BLAST y ClustalW. La primera nos permite encontrar secuencias similares a
un ‘query’ en una base de datos y la segunda nos permite realizar alineamientos múltiples y, en
algunos casos, hacer inferencias evolutivas.
Conoceremos un programa que hace uso de alineamientos para reconocer intrones de un gen
partiendo de la secuencia de ADN y la proteína que codifica. Finalizaremos aprendiendo a usar
una base de datos de secuencias homólogas en el NCBI, llamada HomoloGene.”
Introducción
“La mera formulación de un problema es la mayoría de las veces más importante que su
solución, que puede ser simplemente una cuestión de habilidad matemática o experimental.
Formular nuevas preguntas, nuevas posibilidades, mirar problemas antiguos desde un nuevo
ángulo, requiere una imaginación creativa y marca verdaderos avances en la ciencia.”
Albert Einstein
La ciencia se fundamenta en la experimentación: si no hay evidencia empírica, no hay verdad.
Se pueden formular hipótesis, incluso con un altísimo grado de detalle, pero hasta no ser
probados en el mundo real siguen siendo poco más que artificios de nuestra imaginación.
La forma usual de ejecutar un experimento es cambiar o controlar los parámetros y ver qué
ocurre después de ese control. Aquí la bioinformática juega un papel importante, proponiendo
qué cambios deben hacerse y qué variables controlar. Si bien no será tratado en este capítulo,
la bioinformática está descifrando patrones de expresión relacionados con ciertos tipos de
cáncer (con la ayuda de una tecnología conocida con el nombre de microarreglos). De esta
forma, permite focalizar las investigaciones en estos tipos específicos de cáncer.
Sin embargo, este método directo de investigación no puede usarse en todos los casos.
Darwin, autor de los fundamentos de la teoría de la evolución actual, nos sugiere una forma de
aproximarse a ciertos problemas, que Douglas Futuyma la resume así:
“Darwin propuso una hipótesis (p.ej. selección natural), dedujo predicciones de qué
deberíamos ver si fuera verdadera o falsa, y juzgó su validez comparando observaciones con
las predicciones. Este método hipotético-deductivo ahora es usado ampliamente en ciencia.” [1]
Es en este método hipotético-deductivo donde el análisis bioinformático se vuelve fundamental:
El es un lente a través del cuál podemos observar la información presente en grandes
volúmenes de datos.
Tomemos un ejemplo frecuente: establecer las relaciones filogenéticas (esto es, el parentesco
evolutivo) de un conjunto de especies biológicas. Partimos de la hipótesis (fundamentada por
autores anteriores), que si dos especies son cercanas filogenéticamente, entonces deben tener
una secuencia de ADN similar.
A partir de esta hipótesis nos preguntamos: ¿qué deberíamos observar si las especies de
verdad están relacionadas? Concluimos que, si seleccionamos segmentos adecuados de ADN
2