La revista de Folios de Historias

Proyecto Genoma Humano: qué se leyó en 2001, 2003 y 2022

¿Cuándo se secuenció el genoma humano? La respuesta puede llevarnos a una rueda de prensa en 2000, a dos revistas científicas en 2001, al cierre de un proyecto internacional en 2003 o a un laboratorio capaz de leer cromosomas enteros en 2022. En cada ocasión, los investigadores pudieron hacer algo que poco antes les estaba vedado. La pista para distinguirlas está en una palabra modesta de los primeros artículos científicos: hueco.

En el borrador publicado en 2001 había alrededor de 150.000 interrupciones. Al concluir el Proyecto Genoma Humano en 2003 quedaban menos de cuatrocientas, pero algunas ocultaban regiones enormes. Resolverlas obligó a cambiar tanto las herramientas de lectura como la muestra utilizada. Esta es la historia de esas interrupciones y de los distintos sentidos que tuvo la palabra «completo» a lo largo de dos décadas.

Portada del Proyecto Genoma Humano con el título dorado centrado entre bandas de secuenciación y un cromatograma.
Recreación editorial generada con IA. Las bandas y el cromatograma evocan distintas formas de visualizar la lectura del ADN.

1. Un mapa común para veinte centros

En 1990, establecer el orden de unos tres mil millones de pares de bases exigía repartir el trabajo. Los Institutos Nacionales de la Salud y el Departamento de Energía financiaron la participación estadounidense. A la secuenciación contribuyeron veinte centros de Estados Unidos, Reino Unido, Francia, Alemania, Japón y China. Antes de encargar a un laboratorio la lectura de un tramo concreto, había que saber dónde empezaba, dónde terminaba y cómo enlazaba con el tramo asignado al laboratorio vecino.

Un mapa físico permitía situar fragmentos de ADN que se solapaban. La secuenciación aportaba otra clase de información: el orden de las cuatro bases, representadas por las letras A, C, G y T. Un equipo podía conocer la posición aproximada de un fragmento en un cromosoma y tener todavía miles de letras pendientes de lectura. De ahí que la extensión del mapa y la cantidad de secuencia terminada diesen cifras diferentes desde los primeros informes.

El modo de compartir los resultados también formaba parte del experimento. En 1996, los participantes en una reunión en las Bermudas acordaron hacer públicos con rapidez los datos de secuenciación. Un grupo que investigaba una enfermedad hereditaria podía consultar los fragmentos ya depositados mientras el consorcio seguía trabajando en el resto del cromosoma. Publicar un borrador tenía, por tanto, un interés inmediato para personas que nunca habían intervenido en su elaboración.

Ilustración de la edición anterior sobre el Proyecto Genoma Humano.
Imagen de la primera edición de este artículo, publicada en 2025.

2. 2001. Un borrador que ya permitía investigar

En junio de 2000 se anunció públicamente el primer borrador. En febrero de 2001 llegó el análisis científico del consorcio internacional en Nature. En esas mismas fechas, Celera Genomics presentó su propio trabajo en Science. El acto público y los artículos suelen confundirse en las cronologías. Para quien quiera conocer qué habían medido los investigadores y qué dudas conservaban, el texto de 2001 ofrece algo que un anuncio difícilmente podía contener: una descripción de las piezas y de los huecos entre ellas.

El balance técnico posterior del consorcio permite cuantificar aquel borrador con un denominador claro. Faltaba alrededor de una décima parte de la eucromatina, la porción del genoma relativamente rica en genes que constituía el objetivo principal de esa fase. Por tanto, el borrador público reunía aproximadamente el 90 % de esa fracción. El comunicado de la época hablaba de más del 90 % del genoma en sentido general. Una comparación rigurosa exige conservar tanto la definición empleada por cada fuente como la fecha de la estimación.

El ensamblaje público estaba interrumpido en unos 150.000 puntos y el orden o la orientación de algunos fragmentos seguía siendo incierto. Aun así, podían compararse regiones, buscar indicios de genes y estudiar por qué ciertos cromosomas contenían muchos más genes por unidad de longitud que otros. Para una investigadora interesada en un tramo bien resuelto, ese avance ya era considerable. Quien trabajaba justo en una discontinuidad se enfrentaba a una situación muy distinta.

3. 2003. Qué significó cerrar el Proyecto Genoma Humano

El 14 de abril de 2003, el consorcio anunció que había cumplido los objetivos del proyecto. Para entonces se habían enlazado fragmentos, comprobado discrepancias y reducido a menos de cuatrocientos los huecos del ensamblaje. El calificativo de «terminada» tenía un sentido técnico. La secuencia debía alcanzar un nivel definido de exactitud y continuidad, y los huecos que persistían correspondían a regiones que las técnicas disponibles no resolvían de forma fiable.

El anuncio de 2003 cifraba la cobertura en torno al 99 % de las regiones que contienen genes. En el artículo técnico publicado en 2004, el consorcio precisó que la versión allí analizada cubría aproximadamente el 99 % de la eucromatina y conservaba 341 huecos. Esa región incluye genes y también ADN situado entre ellos. El 99 % no era un recuento de genes descubiertos, ni decía qué proporción de las funciones de cada gen se comprendía.

Para el conjunto del genoma, el Instituto Nacional de Investigación del Genoma Humano sitúa retrospectivamente la cobertura de 2003 en aproximadamente el 92 %. El 99,99 % de exactitud comunicado entonces respondía a otra pregunta: al examinar las bases que sí figuraban en la referencia, ¿con qué frecuencia se había asignado la letra correcta? Un tramo ausente reduce la cobertura. Una letra equivocada dentro de un tramo ya incorporado reduce la exactitud.

Cómo leer los porcentajes del genoma

HitoCifra y denominadorQué indica
Borrador publicado en 2001≈ 90 % de la eucromatinaProporción representada de la región estudiada, según el balance técnico de 2004.
Cierre de 2003≈ 92 % del genoma totalLongitud del conjunto del genoma representada en la referencia, según el NHGRI.
Cierre de 2003≈ 99 % de las regiones ricas en genesCobertura de la parte del genoma que el proyecto se había propuesto terminar.
Cierre de 200399,99 % de exactitudFiabilidad de las bases incorporadas a la secuencia.
T2T, 2022≈ 8 % del genoma totalFracción históricamente pendiente. CHM13 reunió sin huecos los 22 autosomas y el X.

4. Por qué costaba tanto ensamblar el ADN repetido

Imaginemos dos fragmentos de una misma frase. Si ambos contienen un nombre poco común, el solapamiento puede indicar con bastante seguridad cómo unirlos. Si solo comparten una palabra repetida veinte veces, ese indicio permite varias uniones. Con el ADN ocurría algo parecido. Una lectura podía ser perfectamente correcta y, sin embargo, corresponder a varias posiciones posibles. Acumular más lecturas de la misma longitud podía reproducir la ambigüedad una y otra vez.

Una dificultad particular eran los centrómeros, regiones cromosómicas que intervienen en el reparto de los cromosomas cuando se divide una célula. En ellos se suceden largas series de secuencias semejantes. También planteaban problemas los segmentos duplicados en distintos lugares. Equivocarse al colocar un fragmento podía hacer que dos copias pareciesen una sola o que una secuencia quedara asignada al cromosoma equivocado. Los huecos del mapa se concentraban precisamente en lugares con esta clase de estructura.

Los avances en la lectura de moléculas largas permitieron abarcar más repeticiones y alcanzar secuencias vecinas que servían de puntos de referencia. Otras lecturas, largas y muy precisas, ayudaron a distinguir diferencias pequeñas entre copias. Combinar ambas capacidades permitió investigar la organización de tramos que antes aparecían como espacios en blanco. Este cambio explica por qué el último trecho de la secuenciación exigió casi dos décadas después del cierre oficial de 2003.

5. 2022. Qué llegó a leerse de telómero a telómero

El 31 de marzo de 2022, el consorcio Telomere-to-Telomere (T2T) anunció el resultado obtenido con la línea celular humana CHM13. Los telómeros se encuentran en los extremos de los cromosomas. En este trabajo, ir «de telómero a telómero» significaba disponer de una secuencia continua entre ambos extremos para cada uno de los 22 autosomas y el cromosoma X del ensamblaje. El ADN nuclear representado sumaba unos 3.055 millones de pares de bases.

La elección de la muestra fue decisiva. CHM13 tenía dos juegos cromosómicos casi idénticos, circunstancia que reducía la dificultad de separar dos versiones heredadas de un mismo tramo. La muestra carecía de cromosoma Y. La primera secuencia completa de un Y humano se publicó en agosto de 2023, a partir de otra muestra. Hablar de «un genoma humano» en 2022 exige conservar ese singular: el resultado describe el material que el equipo pudo reconstruir en aquella línea celular.

El estudio de T2T se ocupó del aproximadamente 8 % del genoma total que había quedado fuera de las referencias anteriores o resultaba difícil de resolver. Al compararlo con la versión GRCh38, los autores incorporaron casi 200 millones de pares de bases y corrigieron errores de ensamblaje. Las dos cifras proceden de comparaciones distintas. El 8 % sitúa la magnitud histórica del problema. Los casi 200 millones expresan cuánta secuencia introdujo el nuevo ensamblaje respecto a una versión concreta.

6. De una referencia común a un repertorio de genomas

La primera referencia pública reunía fragmentos aportados por varios donantes. Según el instituto estadounidense, aproximadamente siete de cada diez bases de aquella referencia procedían de una sola persona. Aquí el denominador vuelve a cambiar: la proporción describe la procedencia del material usado para construir el ensamblaje. Dos laboratorios podían usar la misma coordenada para estudiar un gen, aunque las personas analizadas por ambos tuviesen secuencias diferentes en ese lugar.

Una referencia lineal plantea un problema cuando dos personas llevan versiones de distinta longitud. Pensemos en una de ellas con un tramo de ADN adicional entre dos puntos bien conocidos. El tramo puede describirse en relación con las posiciones vecinas, pero sus letras carecen de coordenadas propias en una referencia que no lo incluye. En 2023, el Consorcio del Pangenoma Humano publicó un primer borrador que reunía ensamblajes de 47 personas y permitía representar recorridos alternativos por una misma región.

Los dos proyectos recientes responden así a dos ambiciones que pueden avanzar por separado. Una consiste en seguir con continuidad los cromosomas de una muestra. La otra consiste en captar qué configuraciones existen al comparar muchas muestras. A medida que aumenta la diversidad representada cobran más importancia cuestiones presentes desde el comienzo del proyecto: con qué consentimiento se obtuvo el material, quién está representado y qué preguntas pueden contestarse legítimamente a partir de esos datos.

Lámina de archivo sobre el genoma humano, disponible a tamaño completo.
Material gráfico conservado en el archivo de Folios de Historias desde 2015. Pulsa la imagen para ampliarla.

Preguntas frecuentes

¿Cuántos genes se identificaron?

El balance de 2004 situó el número de genes humanos que codifican proteínas entre 20.000 y 25.000. Era una estimación de esa categoría concreta. Reconocer un gen en la secuencia requiere interpretar indicios y contrastarlos con otras observaciones. También existen genes cuyo producto es un ARN funcional. Por eso conviene acompañar cualquier recuento de su definición y de la fecha de la anotación.

¿Qué significaría el 99,99 % de exactitud en un ejemplo?

Imaginemos un tramo de 10.000 bases ya incluidas en una referencia. Una exactitud del 99,99 % equivale, como promedio, a una letra errónea por cada 10.000. Esa cifra por sí sola no revela cuánto ADN se quedó fuera. Podríamos comprobar todas las letras de un fragmento con enorme precisión y desconocer por completo el contenido del fragmento contiguo.

El valor histórico de dejar visible un hueco

En 2001, un hueco advertía al lector de dónde terminaba la evidencia. Al conservar esas interrupciones en una referencia pública, los investigadores dejaron constancia de qué resultados podían usarse y cuáles exigían mejores instrumentos. Dos décadas después, otros equipos pudieron volver a esos mismos lugares y explicar por qué se habían resistido. Pocas decisiones expresan mejor el legado del proyecto que aquella voluntad de publicar un mapa suficientemente preciso para guiar a otros y suficientemente honesto para señalar lo que faltaba.

Fuentes y bibliografía

Sigue leyendo en Folios de Historias


Sigue leyendo con la suscripción

Por 1 € al mes, recibe artículos y dosieres exclusivos con investigación, fuentes contrastadas, mapas, cronologías e infografías. También puedes elegir el plan anual por 7 €. Suscríbete para apoyar Folios de Historias y seguir descubriendo nuevas historias.

Puntuación: 1 de 5.

Aprender del ayer para entender el hoy. Bienvenidos a Folios de Historias

Por 1 €/mes, recibe artículos y dosieres exclusivos con investigación, fuentes contrastadas, mapas, cronologías e infografías. También puedes elegir el plan anual por 7 €.

Suscríbete por 1 €/mes →

La historia también se regala

Pequeños detalles.
Grandes historias.

Gemelos que cuentan tus aficiones e infografías personalizadas para contar esa historia que llevas dentro.

Descubrir la tienda →
Gemelo de mando retro en una camisa blanca

The Best · Elegidos para ti

Nuestra selección editorial.

Ver toda la selección →

Deja una respuesta