Descripción general
La secuenciación de ARN (RNA-seq) se ha convertido en el método estándar para medir la expresión genética, reemplazando enfoques anteriores basados en la hibridación. Al convertir moléculas de ARN en una biblioteca de ADNc y secuenciar millones de fragmentos, RNA-seq proporciona tanto la identidad como la abundancia de transcripciones en una muestra biológica. A diferencia de los microarrays, RNA-seq puede detectar transcripciones novedosas, variantes de empalme y ARN no codificantes sin un diseño previo de sonda. La técnica ofrece un rango dinámico que abarca varios órdenes de magnitud y una resolución de base única. Los datos de RNA-seq sustentan la mayoría de los estudios de transcriptómica modernos, desde organismos modelo hasta muestras clínicas.
Conceptos clave
El proceso de análisis de RNA-seq comienza con lecturas de secuenciación sin procesar, que se someten a control de calidad (FastQC), recorte de adaptadores (Trimmomatic o Cutadapt) y alineación con un genoma de referencia utilizando alineadores con reconocimiento de empalme como STAR o HISAT2. La cuantificación a nivel de gen o transcripción se realiza mediante herramientas como featureCounts, RSEM o Salmon. Los valores de expresión se normalizan como FPKM, RPKM o TPM para tener en cuenta la profundidad de secuenciación y la longitud de la transcripción. La detección de empalme alternativo y transcripciones novedosas requiere herramientas especializadas como Cufflinks o StringTie, que ensamblan transcripciones a partir de lecturas alineadas. Las métricas de calidad incluyen tasas de mapeo, distribución de lectura entre características genéticas y análisis de saturación.
Aplicaciones
RNA-seq se aplica en prácticamente todas las áreas de la biología. Perfila los cambios en la expresión genética en el tejido enfermo frente al tejido sano, identifica biomarcadores para subtipos de cáncer y realiza un seguimiento de los programas de expresión genética del desarrollo. En microbiología, RNA-seq revela respuestas transcripcionales a antibióticos y estrés ambiental. La técnica se basa directamente en métodos de secuenciación de ARN y frecuentemente se integra con flujos de trabajo de secuenciación de próxima generación. RNA-seq también permite el descubrimiento de nuevas estructuras y tipos de ARN, incluidos ARN largos no codificantes y ARN circulares, lo que amplía nuestra comprensión de la complejidad del transcriptoma.
Protocolo práctico
Una canalización masiva de RNA-seq estándar comienza con archivos FASTQ sin procesar del secuenciador. Primero, ejecute “FastQC” para evaluar las métricas de calidad, incluidas las puntuaciones de calidad por base, el contenido de GC, la contaminación del adaptador y las secuencias sobrerrepresentadas. Recorte bases de baja calidad y adaptadores residuales con Trimmomatic o Cutadapt: un comando típico es trimmomatic PE sample_R1.fastq sample_R2.fastq -baseout trimmed.fq ILLUMINACLIP:adapters.fa:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36. Para la alineación con reconocimiento de empalme, STAR requiere un índice de genoma creado con STAR --runMode genomeGenerate --genomeFastaFiles genome.fa --sjdbGTFfile annotation.gtf. Alinee las lecturas con STAR --runThreadN 8 --genomeDir star_index --readFilesIn trimmed_R1.fastq trimmed_R2.fastq --outSAMtype BAM SortedByCoordinate. La cuantificación a nivel genético utiliza featureCounts -a annotation.gtf -o counts.txt -t exon -g gene_id alineado.bam, lo que produce una matriz de recuento donde las filas son genes y las columnas son muestras. Para la cuantificación a nivel de transcripción, “Salmon” proporciona una estimación sin alineación: “salmon quant -i salmon_index -l A -1 R1.fastq -2 R2.fastq -o quant_output”. Las métricas de control de calidad que se deben informar incluyen el porcentaje de lectura asignada de forma única (idealmente >80 %), la tasa de asignación a regiones exónicas, el sesgo 3’ y el nivel de contaminación de ARNr. Evalúe la complejidad de la biblioteca con “preseq” para estimar si una secuenciación más profunda produciría genes detectados adicionales. La matriz de recuento final se carga en R para el análisis de expresión diferencial con DESeq2 o edgeR. Para una cuantificación sin alineación, el enfoque de cuasi mapeo de Salmon omite por completo el paso de alineación, proporcionando un procesamiento más rápido y manteniendo la precisión: salmon quant -i transcript_index -l A -1 reads_R1.fastq -2 reads_R2.fastq --validateMappings -o quant. El indicador --validateMappings mejora la sensibilidad para transcripciones novedosas.
