Visión General
El ensamblaje de genomas es el proceso computacional de reconstruir secuencias genómicas completas a partir de los fragmentos cortos de ADN producidos por plataformas de secuenciación de alto rendimiento. Debido a que las máquinas de secuenciación leen solo cientos de pares de bases a la vez, los bioinformáticos deben unir millones o miles de millones de estas lecturas — similar a resolver un enorme rompecabezas. La precisión de un genoma ensamblado afecta directamente todos los análisis posteriores, desde la predicción de genes hasta la genómica comparada. Los ensambladores modernos manejan las complejidades de las regiones repetitivas, los errores de secuenciación y las diversas profundidades de cobertura utilizando algoritmos sofisticados basados en grafos.
Conceptos Clave
Existen dos estrategias principales para el ensamblaje de genomas. El ensamblaje de novo construye un genoma sin ninguna referencia previa, basándose en enfoques de superposición-diseño-consenso (OLC) o grafos de Bruijn para fusionar lecturas en secuencias contiguas llamadas contigs. El ensamblaje guiado por referencia mapea lecturas a un genoma de referencia conocido y luego ensambla las porciones no mapeadas, lo cual es particularmente útil para proyectos de resecuenciación. Las métricas de calidad clave incluyen N50 (la longitud de contig en la que está contenido el 50% del ensamblaje) y el tamaño total del ensamblaje. La validación del ensamblaje a menudo implica verificar contra secuencias conocidas o utilizar tecnologías de lectura larga para cerrar huecos.
Aplicaciones
El ensamblaje de genomas es fundamental para casi todas las aplicaciones genómicas. Permite el descubrimiento de nuevos genes, la identificación de variantes estructurales y la caracterización de elementos reguladores no codificantes. En medicina, los genomas ensamblados de patógenos permiten el rastreo rápido de brotes y el perfilado de resistencia a antibióticos. La genómica agrícola se basa en ensamblajes de alta calidad para mapear rasgos de importancia económica. Los proyectos modernos frecuentemente combinan datos de secuenciación de nueva generación con lecturas largas y mapeo óptico para producir ensamblajes a nivel cromosómico, basándose en métodos clásicos de secuenciación de ADN. El ensamblaje también sustenta estudios funcionales como el diseño de dianas para CRISPR-Cas9, donde las predicciones fuera del objetivo dependen de una referencia precisa.
