Fundamentos de biología y bioinformática

Fundamentos de biología y bioinformática

Este curso está diseñado para consolidar los conceptos clave que aparecen en el cuestionario de Fundamentos de biología y bioinformática. Cada sección aborda una temática específica, ofreciendo explicaciones detalladas, ejemplos y enlaces a recursos adicionales. El contenido está optimizado para SEO, incorporando palabras clave como "Hardy‑Weinberg", "índice de Shannon", "calidad Q30", "RNA‑seq", "BLASTn", "UPGMA", "ASVs" y "fragmentos de Okazaki".

1. Equilibrio de Hardy‑Weinberg y frecuencias genotípicas

El principio de Hardy‑Weinberg describe cómo, en una población ideal (sin selección, migración, mutación ni deriva genética), las frecuencias alélicas y genotípicas permanecen constantes de generación en generación. La fórmula básica es:

• p = frecuencia del alelo dominante (A)
• q = frecuencia del alelo recesivo (a), donde p + q = 1
• Frecuencias esperadas de genotipos: AA = p², Aa = 2pq, aa = q²

En el ejemplo del cuestionario, p = 0.7. Por lo tanto, q = 0.3 y la frecuencia esperada del heterocigoto Aa es 2pq = 2 × 0.7 × 0.3 = 0.42. Esta probabilidad del 42 % indica que casi la mitad de los individuos portarán ambos alelos.

2. Medidas de diversidad en ecología

Cuando comparamos comunidades biológicas, es esencial elegir el índice que mejor refleje la estructura de abundancia. Los índices más comunes son:

• Índice de Shannon (H): incorpora tanto la riqueza de especies como la equidad de sus abundancias. Cuanto más uniforme sea la distribución, mayor será H.
• Índice de Simpson (D): mide la probabilidad de que dos individuos al azar pertenezcan a la misma especie; valores menores indican mayor diversidad.
• Índice de beta y gamma: evalúan la diversidad entre comunidades y la diversidad total, respectivamente.

En una comunidad con abundancia uniforme, el índice de Shannon mostrará una mayor diversidad que en una comunidad dominada por una sola especie, porque H penaliza la dominancia y premia la equidad.

3. Calidad de secuenciación: escala Q y probabilidad de error

La calidad de una base en una lectura de secuenciación se expresa mediante la puntuación Phred (Q). La relación entre Q y la probabilidad de error (P_error) es:

Q = -10 log₁₀(P_error)

Despejando, P_error = 10^-Q/10. Para Q30:

• P_error = 10^-30/10 = 10^-3 = 0.001, es decir, 1 error en 1 000 bases.

Esta precisión es suficiente para la mayoría de los análisis de genómica de alto rendimiento, aunque proyectos que requieran detección de variantes raras pueden requerir Q≥35.

4. Análisis de expresión diferencial con RNA‑seq

En estudios de transcriptómica, los criterios habituales para declarar un gen como diferencialmente expresado incluyen:

• Un valor de p ajustado (FDR) menor a 0.05.
• Un log₂ fold‑change (log₂FC) cuya magnitud supere un umbral (usualmente |log₂FC| ≥ 1).

En el caso presentado, el gen tiene log₂FC = 1.5 y p‑valor = 0.03. Ambos valores cumplen los criterios, por lo que el gen se considera diferencialmente expresado. Es importante recordar que la significancia estadística debe acompañarse de una magnitud biológica relevante.

5. Parámetros de confianza en búsquedas de homología: BLASTn

BLAST (Basic Local Alignment Search Tool) compara una secuencia contra bases de datos para encontrar regiones homólogas. Los parámetros clave son:

• Identidad porcentual: proporción de bases idénticas en el alineamiento.
• Longitud del alineamiento: número total de bases alineadas.
• E‑value: expect value, que indica la cantidad esperada de alineamientos aleatorios con una puntuación igual o mejor. Valores menores (< 1e‑5, < 1e‑10) reflejan alineamientos altamente confiables.
• Número de hits: cantidad total de coincidencias encontradas.

Por lo tanto, el E‑value es el parámetro que mejor indica la confiabilidad del alineamiento.

6. Métodos de construcción filogenética y suposiciones de velocidad evolutiva

Existen varios algoritmos para inferir árboles filogenéticos:

• Maximum Likelihood (ML) y Bayesian Inference: permiten variaciones de velocidad entre linajes mediante modelos de sustitución.
• Neighbor‑Joining (NJ): método de distancia que no asume una velocidad constante, pero tampoco la requiere.
• UPGMA (Unweighted Pair Group Method with Arithmetic mean): asume un reloj molecular, es decir, que todas las líneas evolutivas avanzan a la misma velocidad.

Así, el método que requiere velocidad constante es UPGMA. Cuando la hipótesis del reloj molecular no se cumple, se prefiere NJ, ML o Bayesian.

7. Amplicon Sequence Variants (ASVs) en análisis metagenómico

En la era de la secuenciación de alto rendimiento, los pipelines como DADA2 procesan datos de amplicones (por ejemplo, 16S rRNA) para identificar variantes exactas de secuencia, denominadas ASVs. A diferencia de los OTU (Operational Taxonomic Units) que agrupan secuencias con un umbral de similitud (usualmente 97 %), los ASVs conservan la resolución de una sola base, lo que permite:

• Detectar diferencias finas entre cepas.
• Mejorar la reproducibilidad entre estudios.
• Facilitar la asignación taxonómica precisa.

Por lo tanto, los ASVs representan variantes exactas de secuencias de amplicón.

8. Replicación del ADN: fragmentos de Okazaki y hebra rezagada

Durante la replicación, la ADN polimerasa sintetiza en dirección 5'→3'. En la hebra líder, la síntesis es continua porque la horquilla de replicación avanza en la misma dirección. En la hebra rezagada, la horquilla se abre en sentido opuesto, obligando a la ADN polimerasa a sintetizar fragmentos cortos llamados fragmentos de Okazaki. Cada fragmento comienza con un cebador de ARN y luego es unido por ligasa.

La razón por la que los fragmentos aparecen solo en la hebra rezagada es precisamente la direccionalidad 5'→3' de la ADN polimerasa, que no puede sintetizar en dirección 3'→5'.

9. Resumen de conceptos clave

• Frecuencia de heterocigoto bajo Hardy‑Weinberg: 2pq.
• Índice de diversidad que favorece comunidades uniformes: Shannon H.
• Calidad Q30 corresponde a 1 error en 1 000 bases.
• RNA‑seq: gen diferencialmente expresado si p < 0.05 y |log₂FC| ≥ 1.
• BLASTn: E‑value indica confiabilidad del alineamiento.
• UPGMA asume un reloj molecular (velocidad constante).
• ASVs son variantes exactas de secuencias de amplicón.
• Fragmentos de Okazaki se forman en la hebra rezagada por la dirección 5'→3' de la ADN polimerasa.

10. Preguntas de autoevaluación

Para reforzar el aprendizaje, responde las siguientes preguntas y verifica tus respuestas al final del módulo:

1. Si la frecuencia del alelo recesivo a es 0.2, ¿cuál es la frecuencia esperada del genotipo AA bajo Hardy‑Weinberg?
2. ¿Qué índice de diversidad penaliza más la dominancia de una especie?
3. Una lectura tiene Q15. ¿Cuál es la probabilidad de error por base?
4. En un análisis de RNA‑seq, un gen muestra log₂FC = 0.8 y p‑valor = 0.001. ¿Se considera diferencialmente expresado?
5. En BLASTn, ¿qué valor de E‑value se consideraría altamente significativo?
6. ¿Cuál método filogenético no asume velocidad constante?
7. ¿Qué ventaja principal ofrecen los ASVs frente a los OTU?
8. ¿Por qué la hebra líder no necesita fragmentos de Okazaki?

Revisa tus respuestas con los conceptos explicados en cada sección para consolidar tu comprensión.