El futuro del material genético: XNAs

Los ácidos xeno-nucleicos sintéticos, o XNAs para abreviar, son un nuevo tipo de material genético que va más allá de los bloques de construcción habituales que se encuentran en el ADN y ARN humanos. Mientras que nuestro ADN está hecho de cuatro bases principales (A, T, C y G), los XNAs incluyen bases no naturales que no se encuentran en la naturaleza. Esta expansión ofrece oportunidades emocionantes para crear nuevas formas de vida y desarrollar tecnologías de vanguardia.

Imagina un parque de juegos donde los niños pueden inventar todo tipo de juegos nuevos en lugar de solo jugar al escondite o al pilla-pilla. Los XNAs son como esos nuevos juegos, permitiendo a los científicos pensar fuera de las reglas tradicionales de la biología.

#Las maravillas de las bases no naturales

Las bases no naturales en los XNAs se comportan de manera diferente a las bases del ADN habitual. Esta propiedad única ayuda a los científicos a crear nuevas herramientas y métodos en varios campos, incluida la biología sintética y la biotecnología. Por ejemplo, los investigadores han creado XNAs con bases llamadas P y Z, junto con otras como d5SICS y dNaM. Están trabajando en estas nuevas bases para hacer máquinas diminutas, sensores e incluso organismos sintéticos que podrían ayudar a resolver grandes problemas en medicina y ciencia ambiental.

Si piensas en el ADN tradicional como un coche clásico y confiable, los XNAs son más como un scooter eléctrico genial: diferentes, más rápidos y capaces de ir a lugares donde el coche no puede.

#Secuenciación de XNAs sintéticos: Un nuevo desafío

Para estudiar y entender los XNAs, los investigadores necesitan secuenciarlos, un poco como un bibliotecario organiza libros. Sin embargo, secuenciar XNAs presenta algunos desafíos ya que los métodos actuales fueron diseñados para el ADN tradicional. Un enfoque común implica usar métodos como la secuenciación de Sanger, que puede fallar en identificar las posiciones de las bases no naturales debido a huecos en los resultados.

Otro método intenta reemplazar las bases no naturales por las tradicionales antes de secuenciar, pero eso puede introducir errores. ¡Es como armar un rompecabezas y darte cuenta de que algunas piezas son de un conjunto diferente; frustrante!

#Secuenciación de nueva generación: El futuro está aquí

Los científicos están emocionados con la secuenciación de nueva generación porque es mucho más rápida que los métodos antiguos. Pero todavía tiene problemas para detectar bases no naturales. Hay interés en usar tecnologías más nuevas que podrían secuenciar XNAs directamente sin la necesidad de soluciones complicadas. Estos avances son como pasar de un teléfono básico a un smartphone: ¡mucho más capaz!

#Un avance con una plataforma de secuenciación por Nanoporo

En desarrollos recientes, los investigadores lograron usar una plataforma de secuenciación por nanoporo para secuenciar XNAs directamente. Este dispositivo funciona como un filtro de agua, donde diferentes materiales pasan y pueden ser analizados. Los resultados indicaron que los métodos tempranos podrían generar más de 2 millones de lecturas sin problemas notables, dejando claro que los XNAs podrían encajar perfectamente en las tecnologías de secuenciación existentes.

Solo piensa en ello como encontrar una nueva forma de poner una pieza cuadrada en un agujero redondo; ¡resulta que funciona después de todo!

#Creando una biblioteca de XNAs

Para explorar esto más a fondo, los investigadores diseñaron una biblioteca de plantillas de XNA, que sirvió como un cofre del tesoro de secuencias genéticas para probar. Usando diferentes combinaciones de bases no naturales y bases tradicionales, crearon una colección diversa de XNAs.

Con un enfoque ingenioso, pudieron generar plantillas con hasta 1,024 combinaciones diferentes. Esta biblioteca permitió una secuenciación de alto rendimiento y allanó el camino para un desarrollo más efectivo de técnicas de secuenciación adaptadas a los XNAs.

#Analizando señales de la secuenciación

Cuando los investigadores secuenciaron estos XNAs, observaron que las señales eléctricas generadas por el secuenciador de nanoporo eran únicas, especialmente en la vecindad de las bases no naturales. Los patrones en las señales proporcionaron pistas sobre dónde estaban las bases no naturales, como migas de pan que guían a los científicos en un sendero a través del bosque de información genética.

Es importante destacar que las lecturas tomadas cerca de estas bases no naturales mostraron una fuerte diferencia con el ADN de control, con las señales comportándose de manera diferente. Esta diferenciación significa que los científicos pudieron no solo identificar dónde estaban las bases no naturales, sino también cómo podrían interactuar con otro material genético.

#Construyendo un modelo de basecaller

Crear un modelo de basecaller es esencial para interpretar las señales producidas durante la secuenciación. Este modelo actúa como un traductor, convirtiendo señales eléctricas en códigos genéticos reconocibles. El equipo de investigación desarrolló un modelo de aprendizaje profundo especializado diseñado para manejar tanto bases naturales como no naturales.

Piensa en ello como entrenar a un perro para entender tanto “sentado” como “quieto”. Después de algunas rondas de entrenamiento con ejemplos diversos, el modelo logró tasas de éxito impresionantes, superando el 80% de precisión.

#Aumento de datos: Mejorando el rendimiento

Los investigadores se dieron cuenta de que necesitaban expandir sus datos de entrenamiento para mejorar la capacidad general del modelo. Usando técnicas de aumento de datos, pudieron crear secuencias simuladas que reflejaban varios contextos de secuencia.

Este enfoque les permitió generar lecturas artificiales que ayudaron a mejorar el rendimiento del modelo. Así como introducir un nuevo ingrediente en una receta puede cambiar todo el plato, variar las entradas de datos ayudó a refinar aún más el modelo.

#Probando el modelo y resultados

Después del entrenamiento, el modelo fue probado extensamente en la biblioteca de prueba de concepto y en la colección más compleja de XNA. Los resultados demostraron un alto nivel de precisión para identificar bases no naturales y bases naturales cerca de ellas.

Mientras que el modelo funcionó bien en general, también enfrentó algunos obstáculos comunes asociados con la precisión de basecalling, particularmente cerca de las bases no naturales. Pero mostró una capacidad notable para procesar incluso datos desafiantes sin una caída significativa en el rendimiento general.

#Conclusiones y direcciones futuras

La exitosa secuenciación directa de XNAs representa un gran avance en la investigación genética. Con el poder de la tecnología de nanoporo, los investigadores esperan explorar otras bases no naturales que podrían integrarse en proyectos futuros de biología sintética.

Esta exploración podría llevar a avances en muchas áreas, como el desarrollo de nuevos medicamentos o la creación de organismos que puedan abordar desafíos ambientales. Así como la invención de la rueda cambió el rumbo del viaje, la secuenciación de XNAs tiene el potencial de cambiar la dirección de la ciencia biológica.

En conclusión, a medida que los científicos continúan desafiando los límites de lo que es posible con los XNAs, el futuro se ve brillante. El objetivo es seguir encontrando soluciones innovadoras que beneficien a la humanidad y al medio ambiente, mientras se aseguran de divertirse en el camino, porque ¿qué es la ciencia sin un poco de emoción?