El ARN es la molécula que surge de la interpretación del ADN. Sirve como paso intermedio para la síntesis de proteínas, la regulación celular y otras funciones diversas. Si el ADN fuera el libro de cocina de tu biblioteca municipal, el ARN sería la receta que copias en un papel y te llevas a casa, y el plato final, las proteínas.
Pongamos que eres un biólogo. Pongamos que estudias el tejido adiposo humano (la lorzas, para los amigos). Pongamos que quieres estudiar la expresión de ARN. A la antigua (y realmente no tan a la antigua, porque el ARN no se empezó a secuenciar en serio hasta los 90), tu labor consistiría en tomar una muestra biológica, tratarla, y extraer sus secuencias de ARN. ¿Fácil no?
Extraer todo el ARN de una muestra es práctico y útil. Nos permite tener una visión grosso modo de la expresión de un tejido. Pero tiene aristas. El tejido adiposo por ejemplo, pese a estar formado principalmente por adipocitos (células específicas del tejido adiposo), es complejo: no solo contiene otros tipos de células, sino que incluso los propios adipocitos se diferencian entre ellos. Un análisis global de su expresión nos traspapela mucha información exclusiva de cada tipo celular.
Es un problema muy parecido a la estadística. El INE podría simplemente preguntar por la intención de voto a gente aleatoria. Sin embargo, en la práctica los escrutinios se segmentan por diferentes atributos: edad, poder adquisitivo o género, por ejemplo. Esto nos permite recopilar, además de la información global de la población, la información particular de cada segmento social. Lo mismo se aplica a las muestras celulares: saber exactamente qué hace cada célula nos es más informativo que los datos superficiales de un tejido.
Aunque ya en los 90 se especulaba con esta cuestión, no fue hasta hace década y media que se empezó a aislar las células por sus atributos y a estudiar cada una de ellas individualmente. Este tipo de métodos se denominan single-cell y hoy en día son la vanguardia de la investigación celular. Constan de protocolos complejos de aislamiento celular (usando herramientas carisísimas, como los cromatógrafos, de los que no hablaremos en este blog), seguidos de técnicas de secuenciación in-vitro, para acabar con el análisis de los resultados in-silico.
Apodamos in-vitro a las técnicas de laboratorio que interaccionan directamente con una muestra biológica mediante procedimientos físicos o químicos, e in-silico a los métodos de análisis de datos computacionales. Típicamente los métodos in-silico van precedidos por métodos in-vitro.
¿Y cómo se relaciona con el Cloud todo esto? Bien, pues si antes tenías que analizar los datos de toda una muestra en conjunto, con los métodos single-cell tienes que analizar los datos de cada célula por separado. Como te imaginarás, eso es un papelón: el coste computacional crece en varias magnitudes, y con ello los recursos necesarios para correr el análisis.
Que todas las muestras tuvieran el mismo número de células sería demasiado fácil. Nada más lejos de la realidad; la densidad celular de cada ensayo es diferente, y por lo tanto también el coste de analizarlo. No necesitarás el mismo número de computadores para procesar una muestra u otra. Pero esto se ajusta al Cloud como un guante: con un despliegue en la nube, puedes solicitar exactamente los (muchos) recursos necesarios para cada ejecución y llevar a cabo el análisis de manera eficiente, tanto en tiempo como en dinero. También en salud, que es importante.
Y aunque lo ejemplifiquemos con el tejido adiposo, y el estudio de ARN sea la aplicación de single-cell más extendida, el concepto se aplica en muchos más escenarios. Un análisis single-cell es útil en tejidos humanos pero también en comunidades microbianas. Y no solo puedes estudiar el ARN, ¡También puedes medir el ADN, los metabolitos o hasta el humor de cada célula! Bueno, quizás el humor no, pero solo dios sabe lo que depara el futuro.
En definitiva, que el single-cell es un concepto transversal y relevante en la bioinformática contemporánea. Se trata de una técnica en plena fase de maduración, ubicua en estudios de relevancia y que ha venido para quedarse. Y ya sabeís cómo dice el refrán.
“Más vale célula aislada que ciento en suspensión”
Leave a Reply