La nomenclatura genética es la denominación científica de los genes , las unidades de herencia en los organismos vivos. También está estrechamente asociado con la nomenclatura de proteínas , ya que los genes y las proteínas que codifican suelen tener una nomenclatura similar. Un comité internacional publicó recomendaciones para símbolos y nomenclatura genética en 1957. [1] La necesidad de desarrollar directrices formales para los nombres y símbolos de los genes humanos se reconoció en la década de 1960 y se publicaron directrices completas en 1979 (Reunión del Genoma Humano de Edimburgo). [2] Varias otras comunidades de investigación de géneros específicos (por ejemplo, moscas de la fruta Drosophila , ratones Mus ) también han adoptado estándares de nomenclatura y los han publicado en los sitios web de organismos modelo relevantes y en revistas científicas, incluida Trends in Genetics Genetic Nomenclature. Guía. [3] [4] Los científicos familiarizados con una familia de genes en particular pueden trabajar juntos para revisar la nomenclatura de todo el conjunto de genes cuando haya nueva información disponible. [5] Para muchos genes y sus proteínas correspondientes, se utiliza una variedad de nombres alternativos en la literatura científica y en las bases de datos biológicas públicas , lo que plantea un desafío para la organización y el intercambio efectivo de información biológica. [6] La estandarización de la nomenclatura intenta así lograr los beneficios del control del vocabulario y del control bibliográfico , aunque la adhesión es voluntaria. El advenimiento de la era de la información ha traído la ontología genética , que en cierto modo es el siguiente paso de la nomenclatura genética, porque apunta a unificar la representación de los atributos de genes y productos genéticos en todas las especies.
La nomenclatura de genes y la nomenclatura de proteínas no son esfuerzos separados; son aspectos de un mismo todo. Cualquier nombre o símbolo utilizado para una proteína también puede utilizarse para el gen que la codifica, y viceversa. Pero debido a la naturaleza de cómo se ha desarrollado la ciencia (con conocimientos que se han ido descubriendo poco a poco a lo largo de décadas), las proteínas y sus genes correspondientes no siempre se han descubierto simultáneamente (y no siempre se han comprendido fisiológicamente cuando se descubren), que es la principal razón por la que las proteínas y los nombres de los genes no siempre coinciden, o por qué los científicos tienden a favorecer un símbolo o nombre para la proteína y otro para el gen. Otra razón es que muchos de los mecanismos de la vida son iguales o muy similares entre especies , géneros, órdenes y filos (mediante homología, analogía o algo de ambas ), de modo que una determinada proteína puede producirse en muchos tipos de organismos. ; y, por tanto, los científicos suelen utilizar, naturalmente, el mismo símbolo y nombre para una proteína determinada en una especie (por ejemplo, los ratones) que en otra especie (por ejemplo, los humanos). Con respecto a la primera dualidad (mismo símbolo y nombre para gen o proteína), el contexto generalmente deja claro el sentido para los lectores científicos, y los sistemas de nomenclatura también brindan cierta especificidad al usar cursiva para un símbolo cuando se refiere al gen y simple (romano). ) para cuando se refiere a la proteína. En cuanto a la segunda dualidad (una proteína determinada es endógena en muchos tipos de organismos), los sistemas de nomenclatura también prevén al menos la especificidad entre humanos y no humanos mediante el uso de mayúsculas diferentes , aunque los científicos a menudo ignoran esta distinción, dado que a menudo es biológicamente irrelevante. .
También debido a la naturaleza de cómo se ha desarrollado el conocimiento científico, las proteínas y sus genes correspondientes suelen tener varios nombres y símbolos que son sinónimos . Algunos de los anteriores pueden quedar obsoletos en favor de otros más nuevos, aunque dicha desaprobación es voluntaria. Algunos nombres y símbolos más antiguos perduran simplemente porque han sido ampliamente utilizados en la literatura científica (incluso antes de que se acuñaran los más nuevos) y están bien establecidos entre los usuarios. Por ejemplo, las menciones de HER2 y ERBB2 son sinónimas .
Por último, la correlación entre genes y proteínas no siempre es uno a uno (en cualquier dirección); en algunos casos es de varios a uno o de uno a varios, y los nombres y símbolos pueden ser específicos de un gen o de una proteína hasta cierto punto, o superponerse en su uso:
El Comité de Nomenclatura Genética de HUGO es responsable de proporcionar pautas para la nomenclatura de genes humanos y aprobar nombres y símbolos de genes humanos nuevos y únicos ( identificadores cortos que generalmente se crean mediante abreviaturas). Para algunas especies no humanas, las bases de datos de organismos modelo sirven como depósitos centrales de directrices y recursos de ayuda, incluido el asesoramiento de curadores y comités de nomenclatura. Además de las bases de datos específicas de especies, los nombres y símbolos de genes aprobados para muchas especies se pueden ubicar en la base de datos "Entrez Gene" [7] del Centro Nacional de Información Biotecnológica .
Existen reglas y convenciones generalmente aceptadas que se utilizan para nombrar genes en bacterias . Los estándares fueron propuestos en 1966 por Demerec et al. [8]
Cada gen bacteriano se indica mediante una mnemónica de tres letras minúsculas que indican la vía o proceso en el que está involucrado el producto genético, seguidas de una letra mayúscula que indica el gen real. En algunos casos, la letra del gen puede ir seguida de un número de alelo . Todas las letras y números están subrayados o en cursiva. Por ejemplo, leuA es uno de los genes de la vía biosintética de la leucina y leuA273 es un alelo particular de este gen.
Cuando se conoce la proteína real codificada por el gen, entonces puede convertirse en parte de la base del mnemotécnico, así:
Algunas designaciones de genes se refieren a una función general conocida:
En un análisis del genoma de E. coli realizado en 1998 , un gran número de genes con función desconocida recibieron nombres que comenzaban con la letra y , seguida de letras generadas secuencialmente sin un significado nemotécnico (p. ej., ydiO e ydbK ). [9] Desde su designación, se ha confirmado que algunos genes y tienen una función, [10] y se les ha asignado un nombre sinónimo (alternativo) en reconocimiento de esto. Sin embargo, como los genes y no siempre cambian de nombre después de caracterizarlos más, esta designación no es un indicador confiable de la importancia de un gen. [10]
La pérdida de actividad genética conduce a un requerimiento nutricional ( auxotrofia ) que no presenta el tipo salvaje ( prototrofia ).
Aminoácidos:
Algunas vías producen metabolitos que son precursores de más de una vía. Por lo tanto, la pérdida de una de estas enzimas provocará la necesidad de más de un aminoácido. Por ejemplo:
Nucleótidos:
Vitaminas:
La pérdida de actividad genética conduce a la pérdida de la capacidad de catabolizar (utilizar) el compuesto.
Si el gen en cuestión es de tipo salvaje, se utiliza un signo '+' en superíndice:
Si un gen es mutante, se indica con un superíndice '-':
Por convención, si no se utiliza ninguno de los dos, se considera mutante.
Hay superíndices y subíndices adicionales que proporcionan más información sobre la mutación:
Otros modificadores:
Cuando se hace referencia al genotipo (el gen), el mnemotécnico está en cursiva y no en mayúscula. Cuando se hace referencia al producto genético o al fenotipo, la primera letra del mnemotécnico está en mayúscula y no en cursiva ( por ejemplo, DnaA – la proteína producida por el gen dnaA ; LeuA – – el fenotipo de un mutante leuA ; Amp R – el fenotipo de resistencia a la ampicilina de el gen de la β-lactamasa bla ).
Los nombres de las proteínas son generalmente los mismos que los nombres de los genes, pero los nombres de las proteínas no están en cursiva y la primera letra está en mayúscula. Por ejemplo, el nombre de la ARN polimerasa es RpoB y esta proteína está codificada por el gen rpoB . [11]
Las comunidades de investigación de organismos modelo de vertebrados han adoptado pautas según las cuales los genes de estas especies reciben, siempre que sea posible, los mismos nombres que sus ortólogos humanos . Se desaconseja el uso de prefijos en símbolos genéticos para indicar especies (por ejemplo, "Z" para pez cebra). El formato recomendado de los símbolos impresos de genes y proteínas varía según la especie.
Los genes y proteínas de los vertebrados tienen nombres (normalmente cadenas de palabras) y símbolos, que son identificadores cortos (normalmente de 3 a 8 caracteres). Por ejemplo, el gen de la proteína 4 asociada a linfocitos T citotóxicos tiene el símbolo HGNC CTLA4 . Estos símbolos suelen, aunque no siempre, acuñarse mediante contracción o abreviatura acrónima del nombre. Sin embargo, son pseudoacrónimos , en el sentido de que son identificadores completos por sí mismos: esencialmente nombres cortos. Son sinónimos (en lugar de representar) el nombre del gen/proteína (o cualquiera de sus alias), independientemente de si las letras iniciales "coinciden". Por ejemplo, no se puede decir que el símbolo del gen v-akt homólogo 1 del oncogén viral del timoma murino, que es AKT1 , sea un acrónimo del nombre, ni ninguno de sus diversos sinónimos, que incluyen AKT , PKB , PRKBA , y RAC . Así, la relación de un símbolo genético con el nombre del gen es funcionalmente la relación de un apodo con un nombre formal (ambos son identificadores completos ); no es la relación de un acrónimo con su expansión. En este sentido, son similares a los símbolos de las unidades de medida del sistema SI (como km por kilómetro ), en el sentido de que pueden verse como verdaderos logogramas en lugar de simples abreviaturas. A veces la distinción es académica, pero no siempre. Aunque no está mal decir que "VEGFA" es un acrónimo que significa " factor de crecimiento endotelial vascular A ", así como no está mal que "km" sea una abreviatura de "kilómetro", hay más en la formalidad de los símbolos. de lo que esas declaraciones captan.
La porción raíz de los símbolos de una familia de genes (como la raíz " SERPIN " en SERPIN1 , SERPIN2 , SERPIN3 , etc.) se denomina símbolo raíz. [12]
El Comité de Nomenclatura Genética de HUGO es responsable de proporcionar pautas para la nomenclatura de genes humanos y aprobar nombres y símbolos de genes humanos nuevos y únicos ( identificadores cortos que generalmente se crean mediante abreviaturas). Todos los nombres y símbolos de genes humanos se pueden buscar en línea en el sitio web de HGNC [13] , y las pautas para su formación están disponibles allí. [14] Las directrices para los humanos encajan lógicamente en el ámbito más amplio de los vertebrados en general, y el mandato del HGNC se ha ampliado recientemente para asignar símbolos a todas las especies de vertebrados sin un comité de nomenclatura existente, para garantizar que los genes de los vertebrados se nombren de acuerdo con sus genes humanos. ortólogos/parálogos. Los símbolos de los genes humanos generalmente están en cursiva, con todas las letras en mayúsculas (p. ej., SHH , de Sonic Hedgehog ). Las cursivas no son necesarias en los catálogos de genes. Las designaciones de proteínas son las mismas que las del símbolo del gen, excepto que no están en cursiva. Al igual que el símbolo del gen, están en mayúsculas porque son humanos (específicos de humanos u homólogos humanos). Los ARNm y ADNc utilizan las mismas convenciones de formato que el símbolo del gen. [5] Para nombrar familias de genes , el HGNC recomienda utilizar un "símbolo de raíz" [15] como raíz de los distintos símbolos de genes. Por ejemplo, para la familia de las peroxiredoxinas , PRDX es el símbolo raíz y los miembros de la familia son PRDX1 , PRDX2 , PRDX3 , PRDX4 , PRDX5 y PRDX6 .
Los símbolos genéticos generalmente están en cursiva, con solo la primera letra en mayúscula y las letras restantes en minúscula ( Shh ). No se requieren cursivas en las páginas web. Las designaciones de proteínas son las mismas que el símbolo del gen, pero no están en cursiva y todas están en mayúsculas (SHH). [dieciséis]
La nomenclatura generalmente sigue las convenciones de la nomenclatura humana. Los símbolos genéticos generalmente están en cursiva, con todas las letras en mayúsculas (p. ej., NLGN1 , para neuroligina1). Las designaciones de proteínas son las mismas que las del símbolo del gen, pero no están en cursiva; todas las letras están en mayúsculas (NLGN1). Los ARNm y ADNc utilizan las mismas convenciones de formato que el símbolo del gen. [17]
Los símbolos genéticos están en cursiva y todas las letras están en minúsculas ( shh ). Las designaciones de proteínas son diferentes de su símbolo genético; no están en cursiva y todas las letras están en mayúsculas (SHH). [18]
Los símbolos genéticos están en cursiva y todas las letras están en minúsculas ( shh ). Las designaciones de proteínas son las mismas que las del símbolo del gen, pero no están en cursiva; la primera letra está en mayúscula y las letras restantes están en minúscula (Shh). [19]
Los símbolos genéticos están en cursiva y todas las letras en minúsculas ( shh ). Las designaciones de proteínas son las mismas que las del símbolo del gen, pero no están en cursiva; la primera letra está en mayúscula y las letras restantes están en minúscula (Shh). [20]
Una regla casi universal en la corrección de artículos para revistas médicas y otras publicaciones de ciencias de la salud es que las abreviaturas y acrónimos deben ampliarse en el primer uso, para proporcionar una explicación del tipo glosada . Normalmente no se permiten excepciones, excepto pequeñas listas de términos especialmente conocidos (como ADN o VIH ). Aunque los lectores con gran experiencia en la materia no necesitan la mayoría de estas ampliaciones, aquellos con experiencia intermedia o (especialmente) baja las reciben adecuadamente.
Una complicación que los símbolos de genes y proteínas aportan a esta regla general es que, hablando con precisión, no son abreviaturas o acrónimos, a pesar de que muchos fueron acuñados originalmente mediante una etimología abreviada o acrónima. Son pseudoacrónimos (como también lo son SAT y KFC ) porque no "representan" ninguna expansión. Más bien, la relación de un símbolo genético con el nombre del gen es funcionalmente la relación de un apodo con un nombre formal (ambos son identificadores completos ); no es la relación de un acrónimo con su expansión. De hecho, muchos pares oficiales de símbolos genéticos y nombres de genes ni siquiera comparten sus secuencias de letras iniciales (aunque algunos sí lo hacen). Sin embargo, los símbolos de genes y proteínas "parecen" abreviaturas y acrónimos, lo que presenta el problema de que "no" expandirlos (aunque en realidad no sea un fracaso y no haya expansiones verdaderas) crea la apariencia de violar el regla de deletrear todas las siglas.
Una forma común de reconciliar estas dos fuerzas opuestas es simplemente eximir a todos los símbolos de genes y proteínas de la regla de glosación. Sin duda, esto es rápido y fácil de hacer y, en revistas altamente especializadas, también se justifica porque todos los lectores destinatarios tienen un alto conocimiento del tema. (Los expertos no se sienten confundidos por la presencia de símbolos (ya sean conocidos o novedosos) y saben dónde buscarlos en línea para obtener más detalles si es necesario.) Pero para las revistas con un público objetivo más amplio y general, esta acción deja a los lectores sin ningún tipo de información. anotación explicativa y puede hacer que se pregunten qué significa la abreviatura aparente y por qué no se explicó. Por lo tanto, una buena solución alternativa es simplemente poner el nombre oficial del gen o una breve descripción adecuada (alias del gen/otra designación) entre paréntesis después del primer uso del símbolo oficial del gen/proteína. Esto cumple tanto con el requisito formal (la presencia de una glosa) como con el requisito funcional (ayudar al lector a saber a qué se refiere el símbolo). La misma pauta se aplica a los nombres abreviados para variaciones de secuencia; La AMA dice: "En las publicaciones médicas generales, las explicaciones textuales deben acompañar a los términos abreviados en la primera mención". [21] Por lo tanto, "188del11" se glosa como "una deleción de 11 pb en el nucleótido 188". Esta regla corolaria (que forma un complemento a la regla de deletrear todo) a menudo también sigue el estilo de expansión "liderado por abreviaturas" que se está volviendo más prevalente en los últimos años. Tradicionalmente, la abreviatura siempre seguía a la forma completamente expandida entre paréntesis en su primer uso. Ésta sigue siendo la regla general. Pero para ciertas clases de abreviaturas o acrónimos (como acrónimos de ensayos clínicos [por ejemplo, ECOG ] o regímenes de poliquimioterapia estandarizados [por ejemplo, CHOP ]), este patrón puede invertirse, porque la forma abreviada se usa más ampliamente y la expansión es meramente entre paréntesis. a la discusión que nos ocupa. Lo mismo ocurre con los símbolos de genes/proteínas.
El Comité de Nomenclatura de Genes de HUGO (HGNC) mantiene un símbolo y un nombre oficiales para cada gen humano, así como una lista de sinónimos y símbolos y nombres anteriores. Por ejemplo, para AFF1 (familia AF4/FMR2, miembro 1), los símbolos y nombres anteriores son MLLT2 ("leucemia mieloide/linfoide o de linaje mixto (homólogo de tritórax (Drosophila)); translocado a, 2") y PBM1 ("pre -Compañero de leucemia monocítica de células B 1"), y los sinónimos son AF-4 y AF4 . Los autores de artículos de revistas suelen utilizar el símbolo y el nombre oficiales más recientes, pero con la misma frecuencia utilizan sinónimos y símbolos y nombres anteriores, que están bien establecidos por su uso anterior en la literatura. El estilo de la AMA es que "los autores deben utilizar el término más actualizado" [22] y que "en cualquier discusión sobre un gen, se recomienda que el símbolo del gen aprobado se mencione en algún momento, preferiblemente en el título y en el resumen". si es relevante." [22] Debido a que no se espera ni se permite que los correctores reescriban la nomenclatura de genes y proteínas a lo largo de un manuscrito (excepto mediante raras instrucciones expresas sobre asignaciones particulares), el término medio en los manuscritos que utilizan sinónimos o símbolos más antiguos es que el corrector agregará una mención de el símbolo oficial actual al menos como un brillo entre paréntesis en la primera mención del gen o proteína, y solicite confirmación.
Algunas convenciones básicas, como (1) que los pares de homólogos (ortólogos) animal/humano difieren en mayúsculas y minúsculas ( título en mayúsculas y minúsculas , respectivamente) y (2) que el símbolo está en cursiva cuando se refiere al gen pero no en cursiva cuando se refiere a la proteína, a menudo no son seguidos por los colaboradores de las revistas médicas. Muchas revistas piden a los editores que modifiquen el estilo de la carcasa y el formato en la medida de lo posible, aunque en debates complejos sobre genética sólo los expertos en la materia (PYME) pueden analizarlos todos sin esfuerzo. Un ejemplo que ilustra el potencial de ambigüedad entre las empresas que no son PYME es que algunos nombres oficiales de genes tienen la palabra "proteína" dentro de ellos, por lo que las frases "proteína cerebral I3 ( BRI3 )" (en referencia al gen) y "proteína cerebral I3 ( BRI3)" (refiriéndose a la proteína) son ambos válidos. El Manual de la AMA da otro ejemplo: tanto "el gen TH" como "el gen TH " pueden analizarse válidamente como correctos ("el gen de la tirosina hidroxilasa"), porque el primero menciona el alias (descripción) y el segundo menciona el símbolo. . Esto parece confuso en la superficie, aunque es más fácil de entender cuando se explica de la siguiente manera: en el caso de este gen, como en muchos otros, el alias (descripción) "casualmente usa la misma cadena de letras" que usa el símbolo. (La coincidencia de las letras es, por supuesto, de origen acrónimo y, por lo tanto, la frase "le sucede a" implica más coincidencias de las que realmente están presentes; pero redactarla de esa manera ayuda a que la explicación sea más clara). saber que este es el caso de cualquier cadena de letras en particular sin buscar cada gen del manuscrito en una base de datos como NCBI Gene, revisar su lista de símbolos, nombres y alias, y hacer algunas referencias cruzadas mentales y volver a verificar (más ayuda tener conocimientos bioquímicos). La mayoría de las revistas médicas no pagan (en algunos casos no pueden) pagar ese nivel de verificación de datos como parte de su nivel de servicio de edición; por lo tanto, sigue siendo responsabilidad del autor. Sin embargo, como se señaló anteriormente, muchos autores hacen pocos intentos de seguir las pautas de mayúsculas y minúsculas o cursiva; y con respecto a los símbolos de las proteínas, a menudo no utilizan el símbolo oficial en absoluto. Por ejemplo, aunque las directrices llamarían a la proteína p53 "TP53" en humanos o "Trp53" en ratones, la mayoría de los autores la llaman "p53" en ambos (e incluso se niegan a llamarla "TP53" si las ediciones o consultas lo intentan), no al menos debido al principio biológico de que muchas proteínas son esencialmente o exactamente las mismas moléculas independientemente de la especie de mamífero. En cuanto al gen, los autores suelen estar dispuestos a llamarlo por su símbolo y mayúsculas específicos de los humanos, TP53 ., e incluso puede hacerlo sin que se lo solicite una consulta. Pero el resultado final de todos estos factores es que la literatura publicada a menudo no sigue completamente las pautas de nomenclatura.
Bacterias
: los símbolos genéticos generalmente se componen de tres letras minúsculas y en cursiva que sirven como abreviatura del proceso o vía en el que está involucrado el producto genético (p. ej., los genes
rpo
codifican
la
ARN
polimerasa
).
Para distinguir entre diferentes alelos, la abreviatura va seguida de una letra mayúscula (p. ej., el gen
rpoB
codifica la subunidad β de la ARN polimerasa).
Los símbolos de proteínas no están en cursiva y la primera letra está en mayúscula (p. ej., RpoB).