En 2003, los científicos del Proyecte Genoma Humano completaron la secuencia del ADN y publicaron una lista casi completa de los 3 mil millones de pares de bases químicas que lo conformaban. A pesar de que la secuenciación del genoma humano supuso un hito científico sin precedentes, quedaba por dar el último gran paso: comprender su funcionamiento. Ahora, una década después y gracias a más de cinco años de trabajo de 440 investigadores de 32 laboratorios de todo el mundo –entre ellos, del Centro Nacional de Análisis Genómica (CNAG) –con sede en el Parc Científic de Barcelona–, el consorcio internacional ENCODE (Encyclopedia of DNA Elementos) presenta la primera visión holística de cómo funciona esta secuencia. Los descubrimientos se publican hoy simultáneamente en 30 artículos científicos de libre acceso en las revistas Nature, Genome Biology y Genome Research.

»

Los resultados del estudio ENCODE –coordinado por el Instituto del National Human Genome Research Institute (NHGRI), que forma parte dels National Institutes of Health (NIH) de los Estados Unidos– demuestran que más del 80 % de la secuencia del genoma humano está vinculada a la función biológica y presenta un mapa con más de 4 millones de regiones reguladoras donde las proteínas interactúan específicamente con el ADN; estos hallazgos representan un avance significativo en la comprensión de los controles, precisos y complejos, en la expresión de la información genética dentro de una célula.

Además, los resultados destacan la actividad continua del genoma en el cual las proteínas rutinariamente activan y desactivan los genes desde lugares que, a veces, están a grandes distancias de los genes que regulan. El estudio también revela que diferentes regiones en un cromosoma interactúan entre ellas a pesar de estar alejadas, que las modificaciones químicas del ADN influyen en la expresión de genes y que diferentes formas funcionales de ARN, ayudan a regular el sistema en su conjunto.

«Durante los primeros debates sobre el Proyecto Genoma Humano, los investigadores calcularon que solo un pequeño porcentaje de la secuencia codificaba proteínas, los caballos de batalla de la célula», afirma Eric D. Green, director del NHGRI, la institución que ha liderado el proyecte ENCODE. «Al principio, algunos científicos llegaron a argumentar que la mayor parte del genoma era basura’. Ahora, ENCODE nos hace apreciar mucho más el complejo ballet molecular que convierte la información genética en células y organismos vivos, ahora podemos decir que hay muy poco ADN basura.» – asegura el Dr. Green.

Los investigadores del CNAG, Tyler Alioto, Paolo Ribeca y Micha Sammeth, liderados por Roderic Guigó del Centre de Regulació Genòmica (CRG) han contribuido al proyecto colaborando en el análisis de la actividad transcripcional del genoma. Específicamente su trabajo ha ayudado a establecer métodos para procesar y comprender la gran cantidad de datos generados por la secuenciación de ARN que ha requerido el proyecto ENCODE.

La magnitud del esfuerzo ha sido notable. Centenares de investigadores de los Estados Unidos, el Reino Unido, España, Singapur y Japón han realizado más de 1.600 conjuntos de experimentos en 147 tipos de tejidos con tecnologías estandarizadas para todos los miembros del consorcio. Los experimentos se han basado en el uso innovador de las tecnologías de secuenciación de última generación, en total, ENCODE ha generado mas de 15 billones de bytes de datos en bruto y ha consumido en el análisis el equivalente a más de 300 años de tiempo de computación.

La publicación de los resultados en 30 artículos en 3 revistas científicas está totalmente conectada y comprende un artículo integrador y 5 artículos más en la revista Nature, 18 artículos en la revista Genome Research y 6 artículos más en la revista Genome Biology. Los datos d’ENCODE son tan complejos que las 3 revistas han desarrollado un método pionero para presentar la información de una forma integrada, de manera que los lectores puedan seguir su área de interés entre los trabajos hasta los datos originales.

En la actualidad, los datos de ENCODE se están convirtiendo en un recurso fundamental para ayudar a comprender la biología humana y las enfermedades. Más de un centenar de artículos que utilizan estos datos han sido publicados por investigadores que no formaban parte del proyecto ENCODE. La identificación de las regiones que regulan los genes también ayudará a los investigadores a explicar porqué diferentes tipos de células tienen propiedades diferentes, por ejemplo porque las células musculares generan fuerza mientras que las células del hígado descomponen los alimentos. Los científicos saben que las células musculares activan algunos genes que solo funcionan en los músculos,