Una secuencia de ácido nucleico es una sucesión de bases dentro de los nucleótidos que forman alelos dentro de una molécula de ADN (usando GACT) o ARN (GACU). Esta sucesión se denota mediante una serie de un conjunto de cinco letras diferentes que indican el orden de los nucleótidos. Por convención, las secuencias suelen presentarse desde el extremo 5' hasta el extremo 3' . Para el ADN, con su doble hélice, hay dos direcciones posibles para la secuencia anotada; de estos dos, se utiliza la hebra sensorial . Debido a que los ácidos nucleicos son normalmente polímeros lineales (no ramificados) , especificar la secuencia equivale a definir la estructura covalente de la molécula completa. Por esta razón, la secuencia de ácido nucleico también se denomina estructura primaria .
La secuencia representa información genética . El ácido desoxirribonucleico biológico representa la información que dirige las funciones de un organismo .
Los ácidos nucleicos también tienen una estructura secundaria y una estructura terciaria . A veces se hace referencia erróneamente a la estructura primaria como "secuencia primaria". Sin embargo, no existe un concepto paralelo de secuencia secundaria o terciaria.
Los ácidos nucleicos constan de una cadena de unidades unidas llamadas nucleótidos. Cada nucleótido consta de tres subunidades: un grupo fosfato y un azúcar ( ribosa en el caso del ARN , desoxirribosa en el ADN ) forman la columna vertebral de la cadena del ácido nucleico, y unida al azúcar se encuentra una de un conjunto de nucleobases . Las nucleobases son importantes en el emparejamiento de bases de las hebras para formar estructuras secundarias y terciarias de nivel superior, como la famosa doble hélice .
Las letras posibles son A , C , G y T , que representan las cuatro bases de nucleótidos de una cadena de ADN ( adenina , citosina , guanina , timina ) unidas covalentemente a un esqueleto de fosfodiéster . En el caso típico, las secuencias se imprimen una al lado de la otra sin espacios, como en la secuencia AAAGTCTGAC, leída de izquierda a derecha en la dirección 5' a 3' . Con respecto a la transcripción , una secuencia está en la cadena codificante si tiene el mismo orden que el ARN transcrito.
Una secuencia puede ser complementaria de otra secuencia, lo que significa que tienen la base en cada posición en el orden complementario (es decir, de A a T, de C a G) y en orden inverso. Por ejemplo, la secuencia complementaria de TTAC es GTAA. Si una hebra del ADN bicatenario se considera la hebra sentido, entonces la otra hebra, considerada la hebra antisentido, tendrá la secuencia complementaria a la hebra sentido.
Si bien A, T, C y G representan un nucleótido particular en una posición, también hay letras que representan ambigüedad que se usan cuando más de un tipo de nucleótido podría ocurrir en esa posición. Las reglas de la Unión Internacional de Química Pura y Aplicada ( IUPAC ) son las siguientes: [1]
Por ejemplo, W significa que en esa posición podría aparecer una adenina o una timina sin perjudicar la funcionalidad de la secuencia.
Estos símbolos también son válidos para el ARN, excepto que U (uracilo) reemplaza a T (timina). [1]
Además de adenina (A), citosina (C), guanina (G), timina (T) y uracilo (U), el ADN y el ARN también contienen bases que han sido modificadas después de la formación de la cadena de ácido nucleico. En el ADN, la base modificada más común es la 5-metilcitidina (m5C). En el ARN, hay muchas bases modificadas, incluidas pseudouridina (Ψ), dihidrouridina (D), inosina (I), ribotimidina (rT) y 7-metilguanosina (m7G). [3] [4] La hipoxantina y la xantina son dos de las muchas bases creadas mediante la presencia de mutágeno , ambas mediante desaminación (reemplazo del grupo amino por un grupo carbonilo). La hipoxantina se produce a partir de adenina y la xantina se produce a partir de guanina . [5] De manera similar, la desaminación de la citosina produce uracilo .
Dadas las dos secuencias de 10 nucleótidos, alinéalas y compara las diferencias entre ellas. Calcule la diferencia porcentual tomando el número de diferencias entre las bases del ADN dividido por el número total de nucleótidos. En este caso existen tres diferencias en la secuencia de 10 nucleótidos. Por tanto, hay una diferencia del 30%.
En los sistemas biológicos, los ácidos nucleicos contienen información que una célula viva utiliza para construir proteínas específicas . La secuencia de nucleobases en una cadena de ácido nucleico es traducida por la maquinaria celular en una secuencia de aminoácidos que forman una cadena de proteína. Cada grupo de tres bases, llamado codón , corresponde a un único aminoácido, y existe un código genético específico por el cual cada posible combinación de tres bases corresponde a un aminoácido concreto.
El dogma central de la biología molecular describe el mecanismo mediante el cual se construyen las proteínas utilizando la información contenida en los ácidos nucleicos. El ADN se transcribe en moléculas de ARNm , que viajan al ribosoma donde el ARNm se utiliza como plantilla para la construcción de la cadena proteica. Dado que los ácidos nucleicos pueden unirse a moléculas con secuencias complementarias , existe una distinción entre secuencias " sentido " que codifican proteínas y la secuencia complementaria "antisentido", que en sí misma no es funcional, pero puede unirse a la cadena sentido.
La secuenciación de ADN es el proceso de determinar la secuencia de nucleótidos de un fragmento de ADN determinado . La secuencia del ADN de un ser vivo codifica la información necesaria para que ese ser vivo sobreviva y se reproduzca. Por lo tanto, determinar la secuencia es útil en la investigación fundamental sobre por qué y cómo viven los organismos, así como en temas aplicados. Debido a la importancia del ADN para los seres vivos, el conocimiento de una secuencia de ADN puede resultar útil en prácticamente cualquier investigación biológica . Por ejemplo, en medicina se puede utilizar para identificar, diagnosticar y potencialmente desarrollar tratamientos para enfermedades genéticas . De manera similar, la investigación de patógenos puede conducir a tratamientos para enfermedades contagiosas. La biotecnología es una disciplina floreciente, con potencial para muchos productos y servicios útiles.
El ARN no se secuencia directamente. En cambio, se copia en un ADN mediante la transcriptasa inversa y luego se secuencia este ADN.
Los métodos de secuenciación actuales se basan en la capacidad discriminatoria de las ADN polimerasas y, por lo tanto, sólo pueden distinguir cuatro bases. Una inosina (creada a partir de adenosina durante la edición de ARN ) se lee como G, y la 5-metilcitosina (creada a partir de citosina mediante metilación del ADN ) se lee como C. Con la tecnología actual, es difícil secuenciar pequeñas cantidades de ADN. ya que la señal es demasiado débil para medirla. Esto se supera mediante la amplificación por reacción en cadena de la polimerasa (PCR).
Una vez obtenida una secuencia de ácido nucleico de un organismo, se almacena in silico en formato digital. Las secuencias genéticas digitales pueden almacenarse en bases de datos de secuencias , analizarse (ver Análisis de secuencia a continuación), alterarse digitalmente y usarse como plantillas para crear nuevo ADN real mediante síntesis de genes artificiales .
Las secuencias genéticas digitales se pueden analizar utilizando herramientas de bioinformática para intentar determinar su función.
El ADN en el genoma de un organismo se puede analizar para diagnosticar vulnerabilidades a enfermedades hereditarias y también se puede utilizar para determinar la paternidad de un niño (padre genético) o la ascendencia de una persona . Normalmente, cada persona porta dos variaciones de cada gen , una heredada de su madre y la otra heredada de su padre. Se cree que el genoma humano contiene entre 20.000 y 25.000 genes. Además de estudiar los cromosomas al nivel de genes individuales, las pruebas genéticas en un sentido más amplio incluyen pruebas bioquímicas para detectar la posible presencia de enfermedades genéticas o formas mutantes de genes asociadas con un mayor riesgo de desarrollar trastornos genéticos.
Las pruebas genéticas identifican cambios en los cromosomas, genes o proteínas. [6] Por lo general, las pruebas se utilizan para encontrar cambios asociados con trastornos hereditarios. Los resultados de una prueba genética pueden confirmar o descartar una condición genética sospechada o ayudar a determinar las posibilidades de que una persona desarrolle o transmita un trastorno genético. Actualmente se utilizan varios cientos de pruebas genéticas y se están desarrollando más. [7] [8]
En bioinformática, un alineamiento de secuencias es una forma de organizar las secuencias de ADN , ARN o proteínas para identificar regiones de similitud que pueden deberse a relaciones funcionales, estructurales o evolutivas entre las secuencias. [9] Si dos secuencias en una alineación comparten un ancestro común, las discrepancias pueden interpretarse como mutaciones puntuales y las brechas como mutaciones de inserción o eliminación ( indeles ) introducidas en uno o ambos linajes en el tiempo desde que divergieron entre sí. En los alineamientos de secuencias de proteínas, el grado de similitud entre los aminoácidos que ocupan una posición particular en la secuencia puede interpretarse como una medida aproximada de qué tan conservada está una región o motivo de secuencia particular entre los linajes. La ausencia de sustituciones, o la presencia sólo de sustituciones muy conservadoras (es decir, la sustitución de aminoácidos cuyas cadenas laterales tienen propiedades bioquímicas similares) en una región particular de la secuencia, sugiere [10] que esta región tiene importancia estructural o funcional. . Aunque las bases de nucleótidos del ADN y el ARN son más similares entre sí que los aminoácidos, la conservación de los pares de bases puede indicar una función funcional o estructural similar. [11]
La filogenética computacional hace un uso extensivo de alineamientos de secuencias en la construcción e interpretación de árboles filogenéticos , que se utilizan para clasificar las relaciones evolutivas entre genes homólogos representados en los genomas de especies divergentes. El grado en que difieren las secuencias en un conjunto de consultas está cualitativamente relacionado con la distancia evolutiva de las secuencias entre sí. En términos generales, una identidad de secuencia alta sugiere que las secuencias en cuestión tienen un ancestro común más reciente comparativamente joven , mientras que una identidad baja sugiere que la divergencia es más antigua. Esta aproximación, que refleja la hipótesis del " reloj molecular " de que se puede utilizar una tasa aproximadamente constante de cambio evolutivo para extrapolar el tiempo transcurrido desde que dos genes divergieron por primera vez (es decir, el tiempo de coalescencia ), supone que los efectos de la mutación y la selección son constante a lo largo de los linajes de secuencia. Por lo tanto, no tiene en cuenta posibles diferencias entre organismos o especies en las tasas de reparación del ADN o la posible conservación funcional de regiones específicas en una secuencia. (En el caso de las secuencias de nucleótidos, la hipótesis del reloj molecular en su forma más básica también descarta la diferencia en las tasas de aceptación entre mutaciones silenciosas que no alteran el significado de un codón dado y otras mutaciones que resultan en la incorporación de un aminoácido diferente a la proteína.) Los métodos estadísticamente más precisos permiten que varíe la tasa evolutiva en cada rama del árbol filogenético, produciendo así mejores estimaciones de los tiempos de coalescencia de los genes.
Con frecuencia, la estructura primaria codifica motivos que son de importancia funcional. Algunos ejemplos de motivos de secuencia son: las cajas C/D [12] y H/ACA [13] de snoRNA , el sitio de unión de Sm que se encuentra en los RNA espliceosómicos como U1 , U2 , U4 , U5 , U6 , U12 y U3 , el Shine . -Secuencia de Dalgarno , [14] la secuencia consenso de Kozak [15] y el terminador de la ARN polimerasa III . [dieciséis]
En bioinformática , una entropía de secuencia, también conocida como complejidad de secuencia o perfil de información, [17] es una secuencia numérica que proporciona una medida cuantitativa de la complejidad local de una secuencia de ADN, independientemente de la dirección del procesamiento. Las manipulaciones de los perfiles de información permiten el análisis de las secuencias utilizando técnicas sin alineación, como por ejemplo en la detección de motivos y reordenamientos. [17] [18] [19]