SAC reseña 'Omic' technologies: genómica, transcriptómica, proteómica y metabolómica

Contenido clave:

• Las tecnologías 'Omic' están destinadas principalmente a la detección universal de genes

(genómica), ARNm (transcriptómica), proteínas (proteómica) y metabolitos (metabolómica) en una
muestra biológica específica.

• Las tecnologías Omic tienen una amplia gama de aplicaciones.

• La investigación genómica y transcriptómica ha progresado debido a los avances en la tecnología

de microarrays.

• La espectrometría de masas es el método más común utilizado para la detección de analitos en la

investigación proteómica y metabolómica.

• El análisis de datos es complejo ya que se genera una gran cantidad de datos y la participación de
estadísticos y bioinformáticos en el proceso es esencial.

• Gran parte de la investigación ómica en obstetricia y ginecología se ha concentrado en el uso de

la tecnología para desarrollar pruebas de detección de cánceres ginecológicos y complicaciones
obstétricas.

Objetivos de aprendizaje:

• Aprender sobre las disciplinas ómicas y tener claridad sobre la terminología en uso.

• Apreciar que el experimento ómico es un proceso complejo que requiere un diseño de estudio
completo y preparación de muestras, que involucra una cantidad de tecnologías y que requiere un
extenso análisis de datos.

• Obtener una breve descripción de la aplicación de estos enfoques en obstetricia y ginecología.

Cuestiones éticas:

• El uso de pruebas genéticas, particularmente en el área de los genes de predisposición.

• Cuestiones éticas relacionadas con el almacenamiento y uso de muestras en biobancos y los datos
clínicos asociados.

• El acceso limitado a la tecnología involucrada en estas técnicas.

Palabras clave: genómica / metabolómica / proteómica / tecnología / biología de sistemas /

transcriptómica.

Introducción

Las tecnologías 'Omic' adoptan una visión holística de las moléculas que componen una célula, tejido
u organismo. Están dirigidos principalmente a la detección universal de genes (genómica), ARNm
(transcriptómica), proteínas (proteómica) y metabolitos.

(metabolómica) en una muestra biológica específica de una manera no específica y no sesgada. Esto
también se puede denominar biología de alta dimensión; la integración de estas técnicas se
denomina biología de sistemas (Figura 1) (ver el Cuadro 1 para una lista de definiciones). El aspecto
básico de estos enfoques es que un sistema complejo se puede entender más a fondo si se considera
como un todo. La biología de sistemas y los experimentos ómicos difieren de los estudios
tradicionales, que son en gran medida impulsados por hipótesis o reduccionistas. Por el contrario,
los experimentos de biología de sistemas generan hipótesis, utilizando enfoques holísticos en los
que no se conoce o prescribe ninguna hipótesis, pero todos los datos se adquieren y analizan para
definir una hipótesis que se puede probar más.

Figura 1. Ciencias Omic y su interacción. El flujo de información biológica es bidireccional. Los

números son la cantidad aproximada en cada nivel funcional

Estas estrategias tienen muchas aplicaciones y mucho potencial. La tecnología Omic se puede aplicar
no solo para una mayor comprensión de los procesos fisiológicos normales sino también en los
procesos de enfermedades donde desempeñan un papel en la detección, el diagnóstico y el
pronóstico, además de ayudar a nuestra comprensión de la etiología de las enfermedades. Las
estrategias ómicas se prestan al descubrimiento de biomarcadores, ya que investigan varias
moléculas al mismo tiempo. La investigación ómica se utiliza cada vez más en el descubrimiento de
fármacos y la evaluación de su toxicidad y eficacia4,5. La farmacogenómica: la intersección de la
genómica y la farmacología es el estudio del papel de la herencia en la variación individual de la
respuesta farmacológica que puede utilizarse para individualizar y optimizar la terapia con
medicamentos. La farmacogenómica es especialmente importante para la oncología, ya que la
toxicidad sistémica grave y la eficacia impredecible son características de las terapias contra el
cáncer. Los enfoques de sistemas para enfermedades como el cáncer, las enfermedades
cardiovasculares y la obesidad brindan la oportunidad de facilitar enormemente el éxito de la
selección de nuevos objetivos para los tratamientos y el desarrollo de fármacos. En el futuro, la
biología de sistemas puede permitirnos desarrollar nuevos enfoques que sean predictivos,
preventivos y personalizados.

La investigación en obstetricia y ginecología actualmente se está aprovechando de estas

posibilidades. El objetivo de esta revisión es proporcionar una visión general del experimento y las
tecnologías ómicas y su posible aplicación a la investigación en salud de la mujer.

Biología de alta dimensión

La genómica es el estudio sistemático del genoma de un organismo. El genoma es el ADN total de

una célula u organismo. El genoma humano contiene 3,2 mil millones de bases8 y un estimado de
30 000-40 000 genes proteínicos. Tradicionalmente, los genes se han analizado individualmente,
pero la tecnología de microarrays ha avanzado sustancialmente en los últimos años. Las
micromatrices de ADN miden las diferencias en la secuencia de ADN entre individuos y la expresión
de miles de genes se puede analizar simultáneamente. Pueden revelar anomalías tales como
inserciones y deleciones cromosómicas o números cromosómicos anormales en un proceso
denominado hibridación genómica comparativa. Las variaciones más comunes en las secuencias de
ADN entre las personas son los polimorfismos de un solo nucleótido (SNP), en los que un nucleótido
sustituye a otro; esto puede tener importancia funcional si el cambio da como resultado un codón
para un aminoácido diferente. Son de particular interés cuando se relacionan con enfermedades
con una determinación genética. El perfilado de polimorfismo de un solo nucleótido también tiene
un papel en la farmacogenómica al explorar las respuestas individuales de los pacientes a los
fármacos.

El transcriptoma es el ARNm total en una célula u organismo y la plantilla para la síntesis de

proteínas en un proceso llamado traducción. El transcriptoma refleja los genes que se expresan
activamente en un momento dado. Las micromatrices de expresión génica miden el ARNm
empaquetado (ARNm con los intrones divididos) como un resumen de la actividad del gen.

Si bien los avances en la tecnología de microarrays han dado como resultado un progreso en
genómica y transcriptómica (y la literatura resultante), es importante destacar algunas limitaciones.
Específicamente, las micromatrices de expresión génica miden los cambios en la abundancia de
ARNm, no de proteínas, y por lo tanto hay una falta de consenso en torno a la interpretación de los
datos de microarrays.

El proteoma se define como el conjunto de todas las proteínas expresadas en una célula, tejido u
organismo.9 La proteómica busca caracterizar el flujo de información dentro de la célula y el
organismo, a través de rutas y redes de proteínas10, con el objetivo final de comprender la
relevancia funcional de proteínas.11 Aunque podemos obtener mucha información de la
investigación proteómica, se complica por el tamaño de su dominio (> 100 000 proteínas) y la
incapacidad para detectar proteínas de baja abundancia con precisión. El proteoma es un reflejo
dinámico de los genes y el medio ambiente y se cree que es especialmente prometedor para el
descubrimiento de biomarcadores porque es más probable que las proteínas se vean ubicuamente
afectadas en la enfermedad y la respuesta a la enfermedad12. Esto se refleja en los muchos
biomarcadores de enfermedades de proteínas ya disponibles (por ejemplo, CA125 y alfa-
fetoproteína).

Figura2. Técnicas analíticas

(a) Flujo de proceso para el experimento de

microarrays de expresión génica
(b) Flujo de trabajo esquemático simplificado para
experimentos de proteómica
(c) Flujo de trabajo esquemático simplificado para
experimentos de metabolómica
PCR = reacción en cadena de la polimerasa;
ARN = ácido ribonucleico

La metabolómica generalmente puede definirse

como el estudio de los perfiles de metabolitos
globales en un sistema (célula, tejido u organismo)
bajo un conjunto dado de condiciones.13 La
metabolómica tiene una serie de ventajas teóricas
sobre los otros enfoques ómicos. El metaboloma es
el producto final final de la transcripción génica y, por
lo tanto, los cambios en el metaboloma se amplifican
en relación con los cambios en el transcriptoma y el
proteoma.14 Además, como producto posterior, el
metaboloma está más cerca del fenotipo del sistema
biológico estudiado. Aunque el metaboloma
contiene el dominio más pequeño (~ 5000
metabolitos), es más diverso, contiene muchas
moléculas biológicas diferentes, lo que lo hace más
complejo físicamente y químicamente que las otras
'omes'.

El experimento ómico

Diseño experimental

Las áreas que requieren una reflexión cuidadosa incluyen:

  El uso de muestras biológicas adecuadas: la elección del tipo de muestra para investigar
depende de los objetivos del experimento y la disponibilidad de la muestra
 La variación técnica / analítica: esta es la desviación estándar relativa de una técnica
experimental específica y esto debe validarse
 La variación biológica: en humanos esto puede ser muy grande, por lo tanto, es importante
recopilar metadatos y, en ciertos diseños de estudio, hacer coincidir los grupos de
comparación con fuerza, para garantizar que los cambios no se deban a factores de
confusión.

Un número de factores determina el tamaño de la muestra, pero tiene que ser tal que se puedan
hacer conclusiones estadísticas válidas. Se requieren grandes cantidades de muestras biológicas
para generar el mayor poder predictivo, por lo tanto, la recolección de datos clínicos y muestras
biológicas en biobancos grandes es esencial. El estudio SCOPE (SCreening fOr Pregnancy Endpoints)
es un ejemplo de dicho biobanco relacionado con el embarazo (consulte la sección a continuación y
Sitios web).

El objetivo de la investigación es determinar qué tipo de muestra se debe usar. En términos de

descubrimiento de biomarcadores, el plasma es el candidato obvio, ya que el objetivo final suele ser
un análisis de sangre.15 Sin embargo, es probable que los biomarcadores se presenten en una baja
abundancia relativa y se diluyan masivamente en la circulación.15 Los procedimientos operativos
estándar rigurosos y reproducibles son esenciales para garantizar que las muestras se recojan,
almacenen y transporten de manera idéntica.

Figura 3. Diagrama de flujo general para espectrometría de masas. Ionización química a presión
atmosférica APCI; CE = electroforesis capilar; CI = ionización química; EI = ionización por impacto de
electrones; ESI = ionización por electropulverización; FTICR = resonancia de ciclotrón de iones de
transformada de Fourier; GC = cromatografía de gases; LC = cromatografía líquida; MALDI =
desorción / ionización láser asistida por matriz; Placa de microcanal MCP; TOF tiempo de vuelo

Técnicas analíticas

La preparación de muestras para experimentos ómicos es imperativa y debe ser estandarizada y

reproducible.

Las micromatrices de ADN tienen muchos modos de uso, de los cuales el perfil de expresión es el
modo dominante.

En la microarrays de expresión génica, la sonda utilizada para evaluar la cantidad de ARNm puede
ser ADN complementario (ADNc) o un oligonucleótido. La sonda se amplifica por reacción en cadena
de la polimerasa (PCR) y se coloca en un conjunto que luego se inmoviliza en un soporte sólido
(portaobjetos de vidrio) .16 En el experimento, el ARN se extrae de las muestras y, mediante el
proceso de transcripción inversa y adición de colorantes fluorescentes, se forma ADNc marcado
(tanto normal / control como enfermo / caso) que luego se combina e hibrida con el portaobjetos
de microarrays. Estos portaobjetos de microarray de vidrio a menudo se llaman chips. La cantidad
de los dos tintes es representativa de la expresión del gen en las diferentes muestras. Se usa un láser
ultravioleta para explorar la diapositiva que detecta la cantidad de señal fluorescente para cada gen.
Esta imagen luego se analiza (Figura 2a).

Las principales consideraciones en un experimento proteómico son concentración de proteínas,

purificación de muestras y digestión de proteínas, además de captura de afinidad y fraccionamiento
de muestras (usando técnicas de cromatografía o basadas en gel) para reducir la complejidad del
fluido objetivo. Estos pasos requieren diferente énfasis, dependiendo de la muestra biológica que
se utiliza (Figura 2b). Por ejemplo, la orina proporciona diferentes desafíos analíticos para el plasma,
incluida la necesidad de técnicas de preparación como la ultrafiltración y la precipitación, que son
necesarias para eliminar las sales y concentrar las proteínas urinarias. Pueden surgir diferentes
problemas para cada fluido, como la variación interindividual en la concentración de proteína
urinaria en enfermedades como la preeclampsia.

El grado de preparación de muestra requerido para los experimentos metabolómicos depende del
tipo de muestra. Las muestras metabólicas también requieren fraccionamiento (generalmente
cromatografía o electroforesis) antes del análisis. Estas técnicas de fraccionamiento utilizan las
diferentes propiedades químicas / físicas de las moléculas y permiten la separación de proteínas /
péptidos / metabolitos en fase líquida o gaseosa (Figura 2c).

La espectrometría de masas es el método más comúnmente utilizado para la investigación /

identificación de analitos tanto en proteómica como en metabolómica. Los iones se crean a partir
de proteínas neutras, péptidos o metabolitos, que luego se separan según su relación masa / carga
(m / z) y se detectan para crear un espectro de masa, que es característico de la masa y / o estructura
molecular. La Figura 3 muestra un diagrama de flujo general para la espectrometría de masas. Cada
técnica analítica ofrece diferentes ventajas y limitaciones en términos de sensibilidad del
instrumento, resolución, precisión de masa, rango dinámico y rendimiento: se necesitan varias
técnicas para analizar todo el proteoma o el metaboloma. En la proteómica, varias técnicas de
ionización han mejorado la forma proteínas se caracterizan y se secuenciaron, en particular, de
ionización por electropulverización (ESI) y desorción láser asistida por matriz / ionización (MALDI),
mientras que se han planteado cuestiones respecto a la reproducibilidad, exactitud, rango de masas
y dinámico rango de otra técnica, desorción / ionización láser mejorada en superficie (SELDI). El
análisis cuantitativo se ha mejorado mediante varias técnicas, incluida la electroforesis en gel de
imagen diferencial (DIGE), que utiliza etiquetas fluorescentes en técnicas basadas en gel, y se han
utilizado estrategias de marcado con etiqueta de afinidad codificadas isotópicamente (ICAT) junto
con espectrometría de masas en tándem. En metabolómica, otras plataformas analíticas, incluida la
espectroscopía de resonancia magnética nuclear (RMN) y la espectroscopía infrarroja, también se
han utilizado para la identificación de metabolitos, pero esta sigue siendo un área que requiere una
mejora significativa. La espectroscopía de resonancia magnética nuclear se ve perjudicada por su
escasa sensibilidad y solo puede detectar y cuantificar con fiabilidad los metabolitos presentes en
concentraciones relativamente altas. La espectroscopia también tiene una sensibilidad limitada y
una capacidad deficiente para identificar metabolitos en muestras complejas.

Es importante darse cuenta de que no todas las técnicas ómicas pueden interpretarse por igual y
que cada técnica analítica ofrece diferentes ventajas y limitaciones. A menudo tiene que haber una
compensación entre la técnica y los objetivos experimentales.

Análisis de los datos

Dada la enorme cantidad de datos generados en estos estudios, la bioinformática sofisticada y los
estadísticos dedicados son fundamentales.

En genómica y transcriptómica, el análisis de datos de microarrays puede resultar difícil. Un gran

número de variables (cada gen) en experimentos de microarrays complican las estadísticas y
aumentan la probabilidad de falsos positivos. Los cambios de microarrays deben validarse usando
PCR en tiempo real. En proteómica, las propiedades de muchos miles de iones se registran en un
único experimento y se usan algoritmos complejos para unir estos datos a una base de datos teórica
para permitir la identificación y / o cuantificación de proteínas. En metabolómica, los datos brutos
requieren transformación a un formato adecuado antes del procesamiento. Los métodos
disponibles para el análisis comprenden varias técnicas estadísticas que incluyen análisis
univariados y multivariados, herramientas de aprendizaje supervisadas y no supervisadas y análisis
basados en el sistema. El objetivo de estas estrategias es encontrar patrones de datos que
proporcionen información biológica útil que pueda utilizarse para generar hipótesis adicionales para
las pruebas.

Las estrategias ómicas generan grandes cantidades de datos y las pruebas múltiples aumentan la
probabilidad de falsos positivos. La validación de datos es esencial para garantizar que los resultados
no sean solo hallazgos aleatorios. Los valores de P pueden corregirse para pruebas múltiples (tasa
de descubrimiento falso). Otros métodos de validación de modelos incluyen el uso de un conjunto
de pruebas de "retención" o "prueba". El conjunto utilizado para producir el modelo se llama
conjunto de entrenamiento. Los modelos construidos utilizando los datos de entrenamiento pueden
validarse de forma independiente utilizando el conjunto de retención. Un método alternativo de
validación de modelo independiente es usar pruebas de permutación. Los métodos más robustos
incluyen confirmar las observaciones con una técnica complementaria y replicar el experimento en
un conjunto de muestras diferente.

Hay muchas publicaciones, en todas las ciencias biológicas, que señalan la locura potencial del uso
de técnicas de perfilación como la metabolómica, la proteómica, la transcriptómica y la genómica
para descubrir biomarcadores clínicamente significativos.

Estas áreas de diseño experimental, preparación de muestras, técnicas analíticas y análisis de datos
se tratan con mayor detalle en una serie de artículos de revisión.

Investigación ómica en obstetricia y ginecología

Si bien los estudios ómicos en el área de obstetricia y ginecología son relativamente pequeños en
número, con el avance de la tecnología, es un campo de investigación en rápida expansión. No es
posible en este artículo dar una discusión en profundidad de todas las investigaciones ómicas en
obstetricia y ginecología. Como puede anticiparse, la mayor parte de la investigación ómica en
ginecología se centra en oncología y detección de cáncer y gran parte del trabajo en obstetricia
identificar biomarcadores para las complicaciones del embarazo, como la preeclampsia y el parto
prematuro.

Se ha utilizado una amplia gama de muestras biológicas para investigación ómica, que incluye
plasma / suero, orina, líquido amniótico, trofoblastos cultivados y fluido cervicovaginal y folicular.

Preeclampsia
Los estudios han encontrado que la expresión genética difiere entre embarazos con preeclampsia y
embarazos sin complicaciones en sangre periférica, placentas y placentas del primer trimestre en el
momento del parto.

Gran parte de la investigación proteómica en el embarazo ha estado en el área de la preeclampsia.

Los estudios han demostrado diferencias en las mujeres con preeclampsia en comparación con las
mujeres con embarazos no complicados, que incluyen diferentes niveles séricos de clusterina y
ficolina, pero estas fueron muestras de tiempo de enfermedad. Un estudio mostró diferencias en
cinco proteínas a las 26 semanas de gestación, pero estas proteínas no pudieron ser identificadas.
Recientemente, se comparó el proteoma plasmático a las 20 semanas en mujeres que
posteriormente desarrollaron preeclampsia (n = 39) con el de controles sanos normales (n = 57): se
identificaron 39 proteínas y se identificaron dos grupos de proteínas como fibrinogen gamma-
cadena y alfa -1-antichymotrypsin clasificó con precisión a las mujeres en riesgo de desarrollar
preeclampsia.

La mayoría de la investigación metabolómica se ha centrado en la preeclampsia y varios

investigadores han encontrado diferencias entre las mujeres con preeclampsia y las mujeres con
embarazos no complicados que utilizan varias técnicas analíticas diferentes, pero estas usaron
muestras de sangre o placentas en el momento del parto y más adelante. el trabajo debe
concentrarse en el embarazo temprano si se encuentran marcadores predictivos.

No solo son estrategias ómicas de valor en el descubrimiento potencial de biomarcadores, sino que
también ayudan a elucidar los mecanismos moleculares implicados en estados normales y
enfermos. La hipoxia juega un papel en la fisiopatología de la preeclampsia y la restricción del
crecimiento fetal y Hoang et al. han detectado cambios distintos en la expresión proteica de los
citotrofoblastos del primer trimestre bajo condiciones hipóxicas. Las diferencias metabólicas
también se han demostrado en explantes placentarios en diferentes condiciones de oxígeno y en
mujeres con preeclampsia. Esto demuestra el enfoque de biología de sistemas para modelos
experimentales.

Parto prematuro

Romero et al. han revisado extensamente la aplicación de la biología de alta dimensión al síndrome
de parto prematuro que incorpora el nacimiento prematuro espontáneo y la ruptura prematura de
membranas antes del trabajo de parto. Se han informado numerosos polimorfismos genéticos que
confieren un mayor riesgo de parto prematuro o ruptura prematura de membranas antes del
trabajo de parto, en particular los que codifican metaloproteinasas de matriz (MMP) e interleucinas.

En el parto prematuro, se ha encontrado expresión diferencial de proteínas en membranas

placentarias, fluido cervicovaginal, líquido amniótico y suero materno.

Se ha informado que el perfil metabólico del líquido amniótico identifica a las mujeres con riesgo de
parto prematuro e infección intraamniótica con una precisión del 96%.

Oncología

El perfil de cánceres ginecológicos ha proporcionado información sobre el origen de estos tumores,

así como el intento de encontrar marcadores de diagnóstico y posibles terapias y predecir la
respuesta al tratamiento. Los marcadores predictivos o los marcadores de diagnóstico temprano
pueden ser de gran beneficio, particularmente en cánceres de ovario, ya que la mayoría de los casos
se detectan en una etapa avanzada y la supervivencia a 5 años es deficiente. La literatura en esta
área es vasta; por ejemplo, varios genes han sido implicados en el cáncer de ovario epitelial, como
p53, BCL-2, BAX, EGFR y c-erB2. Numerosos estudios han informado de firmas multigénicas de
pronóstico y respuesta a la quimioterapia en el cáncer de ovario epitelial. El perfil de expresión
génica también se usa para la detección temprana de cáncer de ovario epitelial y un estudio que usó
tres marcadores (osteopontina, calicreína 10 o MMP-7) en combinación con CA125 tenía valores de
sensibilidad y especificidad cercanos al 100%.

En oncología ginecológica, el perfil proteómico se aplicó inicialmente al suero humano para

identificar el cáncer de ovario por Petricoin, Gadducci proporciona una buena visión general de los
marcadores asociados con el cáncer de ovario, endometrio y cuello uterino y el papel que
desempeña el perfil proteómico. CA125 es el marcador más confiable en cáncer de ovario.
Recientemente, se ha descubierto que el autoanticuerpo contra la proteína S100A7 está elevado en
el cáncer de ovario en estadio temprano y avanzado, pero la utilidad clínica aún no se ha investigado.

El perfil metabólico mediante cromatografía de gases-espectrometría de masas también ha

mostrado diferencias entre los tumores ováricos malignos y los límites del límite con muestras de
tumores recién congelados.

Conclusión

Las estrategias omicas todavia ofrecen muchos desafios: la tecnologia y el software todavia estan
evolucionando y el mapeo del proteoma humano y del metaboloma todavia esta en curso. El
embarazo es un estado fisiológico único y las condiciones del embarazo pueden ser
extremadamente heterogéneas. Los experimentos cuidadosamente diseñados, acompañados por
técnicas analíticas apropiadas y análisis estadísticos, ayudarán a abordar muchos de estos desafíos,
con el potencial de generar datos confiables y confiables para responder a preguntas biológicas
importantes.

El estudio SCOPE (ver sitios web) está reclutando activamente. Esta es una colaboración de muchos
obstetras y científicos líderes internacionales que buscan desarrollar maneras nuevas y efectivas
para la pronta predicción de mujeres nulíparas con alto riesgo de las tres principales complicaciones
del embarazo tardío: preeclampsia, nacimiento prematuro espontáneo y restricción del crecimiento
fetal. Una base de datos clínicos extensa combinada con datos genómicos / proteómicos /
metabolómicos puede proporcionar los medios para desarrollar pruebas de detección predictivas.