Ciencias “ómicas”, ¿cómo ayudan a las ciencias

de la salud?
Maria E. Frigolet y Ruth Gutiérrez-Aguilar

CITA A- A A+
 Resumen
 Introducción
 "Ómicas": generalidades de análisis de...
 Conclusiones
 Bibliografía

Resumen
Las “ómicas” son las ciencias que permiten estudiar un gran número de moléculas, implicadas en el
funcionamiento de un organismo. En las últimas décadas, el avance tecnológico ha permitido el estudio
a gran escala de muchos genes, proteínas y metabolitos, permitiendo la creación de la genómica,
proteómica, metabolómica, entre otras. Cada una de estas áreas ha ayudado a un mejor entendimiento
de la causa de ciertas enfermedades. Además, la aplicación del conocimiento sobre las “ómicas” a la
clínica podrá utilizarse para hacer un diagnóstico más temprano o para prevenir el desarrollo de una
enfermedad. Así, la medicina se podrá convertir en medicina personalizada, donde cada individuo
llevará un tratamiento para una determinada enfermedad acorde a su información genética y a su medio
ambiente. En este artículo se define a cada una de las “ómicas”, la metodología que se usa para su
análisis y un ejemplo de su aplicación clínica.

Palabras clave: ácido desoxirribonucleico (ADN), ácido ribonucleico (ARN), proteínas, metabolitos,
ciencias “ómicas”.
The "omics" sciences, how does this help health sciences?
“Omics” are defined as a group of disciplines that aim to collect a large number of biological molecules
involved in the function of an organism. In the last decades, technological evolution allowed us to
better understand global changes in genes, proteins and metabolites, giving rise to genomics,
proteomics, metabolomics, among others. These fields have contributed to the generation of knowledge
regarding the cause of diseases. The application of the “omics” to the clinics could help diagnose or
prevent certain diseases. In the future, treatment will be specific for each patient according to their
genetical background and environment exposure, creating personalized medicine. This article defines
every –omic, the technological tools used for its analysis, and examples of its clinical applications.

Keywords: DNA (deoxyribonucleic acid), RNA (ribonucleic acid), proteins, metabolites, "omics"
sciences.

Introducción
Historia del ADN

El ADN está formado por la unión de nucleótidos formados por bases nitrogenadas
(adenina, guanina, citosina, timina), un azúcar (desoxirribosa) y ácido fosfórico. La
combinación de estos nucléotidos da origen a los genes, los cuales guardan la
información genética.

Toda la información genética que heredamos de nuestros padres se encuentra en el genoma, que está
formado por el ácido desoxirribonucleico (ADN) y que se localiza en el núcleo de las células de
nuestro organismo. El ADN, que mide aproximadamente dos metros de longitud, se superenrolla para
caber en el núcleo que mide seis micras. Para esto, el ADN se ordena en cromosomas, de los cuales el
ser humano tiene 22 pares de somáticos y un par de los sexuales (cromosomas X y Y).

En 1944, Oswald Avery, Colin MacLeod y MacLyn McCarty descubrieron que el ADN es el “principio
de transformación” o material genético (Avery, MacLeod y McCarty, 1944). Sin embargo, la
comunidad científica de aquella época exigía más información sobre dicho material genético, por lo
cual, diversos investigadores continuaron en la búsqueda de pruebas y fueron Alfred Hershey y Martha
Chase (1952) quienes demostraron definitivamente que el ADN es la molécula que guarda la
información genética heredable. Posteriormente, en 1953, Watson y Crick describieron la estructura del
ADN, la cual está formada por dos cadenas complementarias que se unen en direcciones inversas
(1953). Sin embargo, fue hasta 1977, que se logró decodificar o secuenciar por primera vez el ADN, lo
cual quiere decir que se estableció el orden de los nucléotidos de un fragmento de ADN. Esto asentó los
fundamentos para el análisis y secuenciación del genoma. Sin embargo, debido al desarrollo científico
y tecnológico que se logró en los años siguientes, fue que en 2001 se logró secuenciar el genoma
humano (Venter et al., 2001).
Dogma central de la biología molecular
Se conoce como el dogma central de la biología molecular a la forma como fluye la información
genética del ADN, desde su paso por el ácido ribonucleico mensajero (ARNm) y hasta llegar a las
proteínas.

El ADN está formado por la unión de nucleótidos formados por bases nitrogenadas (adenina, guanina,
citosina, timina), un azúcar (desoxirribosa) y ácido fosfórico. La combinación de estos nucléotidos da
origen a los genes, los cuales guardan la información genética. A partir de los genes, se lleva a cabo la
transcripción, mecanismo por el cual el ADN se convierte a ARNm. Finalmente, la traducción permitirá
que el ARNm se convierta en una proteína.

Por lo tanto, se puede decir que el ADN es un archivero en el que se guarda toda la información. El
ARNm es el mensajero que lleva la información del archivero a donde se va a utilizar. Finalmente, esa
información es utilizada por los obreros, correspondientes a las proteínas (véase figura 1). Cabe
mencionar que el ADN se replica para que a partir de una célula madre, se generen dos células hijas
conteniendo el mismo material genético.
Figura 1. El ADN es como un archivero que contiene la información que el mensajero distribuye para
que se lleve a cabo la síntesis de proteínas (o que actúe el obrero).

Un gen es un fragmento de ADN que contiene la información genética. Las regiones que separan a los
diferentes genes se llaman regiones intergénicas. Un gen está conformado por diversas partes como el
promotor, exones e intrones, principalmente. El promotor es la secuencia del gen que es reconocida por
la maquinaria de transcripción para convertir el ADN a ARNm. Los exones son las secuencias del ADN
que dan origen a la proteína. Estos exones pueden estar interrumpidos por los intrones, que son
regiones que pueden regular la transcripción de los genes. El ARNm maduro sólo estará formado por la
secuencia de los exones, la cual va a ser traducida para sintetizar una proteína (véase figura 2).
Figura 2. Los exones se traducen para sintetizar las proteínas.

El ADN se encuentra en todos los núcleos de las células del organismo y es exactamente el mismo, por
lo que, se puede extraer ADN de la sangre, cabello, saliva o cualquier célula, obteniendo la misma
información genética. Sin embargo, el ARNm es diferente, ya que a partir del ADN que tienen todas las
células, se transcribe solamente el ARNm que necesita una célula determinada, para posteriormente ser
traducido a la proteína que ejercerá la función en dicha célula. Por lo tanto, el ARNm y las proteínas
son dinámicas y son específicas de tiempo, tratamientos y de células.

El ADN del humano está formado por tres billones de nucleótidos que contiene alrededor de 30 000 a
40 000 genes, donde entre 1 y 2% del genoma son regiones codificantes y el resto no codifican para
una proteína, pero regulan la presencia del ARNm o expresión de los genes (Harrow et al., 2012).

"Ómicas": generalidades de análisis de muchos datos

En los últimos años ha existido un gran avance en el desarrollo de la tecnología, lo cual ha provocado
que se generen equipos analíticos que logran identificar y medir muchas moléculas. Esto ha ido de la
mano con la creación de grandes computadoras, que permiten el almacenamiento de gran cantidad de
información, de igual manera, el desarrollo de software ayuda al análisis de los datos generados. Todo
esto ha dado como resultado el análisis de diferentes moléculas (ADN, ARN, proteínas, etcétera) y la
creación de redes de interacción entre ellas para comprender con más exactitud a los sistemas
biológicos complejos.

En los años 1980, el término “ómica” se acuñó para referirse al estudio de un conjunto de moléculas.
Por ejemplo, genómica se refiere al estudio de muchos genes en el ADN; transcriptómica es el estudio
de muchos transcritos o ARNm; proteómica es el estudio de muchas proteínas; metabolómica es el
estudio de muchos metabolitos, entre otros.1

Antes, los químicos y biólogos realizaban la parte experimental de su investigación y análisis de una o
pocas moléculas que se podían estudiar en laboratorios. Gracias al avance de la tecnología y de las
herramientas de análisis, se incrementó el número de moléculas detectables al mismo tiempo, por lo
que se han formado grupos multidisciplinarios constituidos por biólogos, químicos, médicos,
programadores, bioinformáticos, bioestadísticos, que juntos colaboran para la interpretación de todos
los datos recabados.

Al aumentar el número de moléculas a analizar fue necesario acrecentar también el tamaño de muestra
para mantener un poder estadístico válido. Es por esto que se crearon biobancos tales como el de UK
Biobank (biobanco del Reino Unido), para el cual se reclutaron a 500 000 individuos y se tomaron
muestras de sangre, orina y saliva para su análisis posterior. Este tipo de biobancos ayudará a las
diversas disciplinas “ómicas” en su estudio de las enfermedades para mejorar el diagnóstico,
prevención y tratamiento de las mismas.

A continuación, se describe brevemente lo que estudia cada “ómica”, así como la metodología
empleada para su análisis y alguna aplicación en la clínica. Es importante hacer notar que los datos que
se obtienen de cada una no nos permiten conocer completamente un sistema biológico. Sólo la
integración de varias de éstas y la relación que existe entre ellas, nos es útil para conocer globalmente a
dichos sistemas.
Genómica
La genómica fue la primera “ómica” en crearse, esta ciencia se encarga del estudio del genoma o ADN.
Anteriormente, la tecnología permitía estudiar pocos genes, así como sus cambios o mutaciones, a lo
que se le denominaba genética. Sin embargo, la tecnología avanzó y a principios del siglo XXI se
reportó la secuencia del genoma humano (Venter et al., 2001), lo que quiere decir que se descifró el
orden de todos los nucleótidos contenidos en el ADN del humano (International Human Genome
Sequencing Consortium, 2004). La secuencia del genoma reveló que 99% del genoma entre humanos
es el mismo y sólo 1% es diferente. Estas diferencias son llamadas variantes de un solo nucleótido
(SNV por sus siglas en inglés), anteriormente llamados polimorfismos de un solo nucleótido o SNP
(véase figura 3). Estas variantes son frecuentes y confieren susceptibilidad o protección para desarrollar
enfermedades.
Figura 3. Polimorfismos de un solo nucleótido.

Anteriormente, se estudiaban fragmentos de ADN y su localización en los diferentes cromosomas por

medio de metodologías de hibridación in situ con fluorescencia (FISH). De esta forma era posible
señalar cierto fragmento del ADN, conteniendo uno o varios genes, el cual era el causante de una
enfermedad, debido a la depleción, duplicación, inversión y translocación cromosómica de dicho
fragmento de ADN. Posteriormente, surgió la secuenciación con el método Sanger que consiste en
replicar la región del genoma de interés por medio de cebadores específicos y utiliza
dideoxinucleótidos marcados radioactivamente que posteriormente evolucionaron a marcaje
fluorescente. Estos nucleótidos marcados al ser incorporados en la nueva cadena amplificada,
finalizarían la reacción permitiendo conocer el último nucleótido de dicha reacción y establecer la
secuencia del ADN. Esta metodología se desarrolló en los la década de 1970 y se acopló a estrategias
de secuenciación a gran escala, lo que permitió realizar la secuenciación del genoma humano en 2001;
sin embargo, estas metodologías eran muy costosas.

El avance de la tecnología ha permitido crear nuevos métodos para reducir costos y obtener
secuenciaciones masivas, creando la “secuenciación de siguiente generación”, volviendo más accesible
su uso. En la actualidad es posible elegir qué regiones del genoma se desean secuenciar. Por ejemplo, a
partir del ADN de un individuo se puede secuenciar el genoma completo, solo exones o regiones
específicas del genoma (genes), con la finalidad de encontrar la región del genoma que pudiera estar
afectada o mutada y ser la posible causante de alguna enfermedad.

Por otra parte, el descubrimiento de las variantes de un solo nucleótido originó que se desarrollaran
otras metodologías para su identificación, como la llamada genotipificación. La genotipificación
consiste en amplificar el ADN y añadir a la reacción una sonda (fragmento de 25 nucleótidos) que se
pueda hibridar o unir a la variante de nuestro interés y así obtener el genotipo del individuo.

[...] el término “ómica” se acuñó para referirse al estudio de un conjunto de moléculas.

La genotipificación se puede realizar para pocas variantes de forma individual o en conjunto. Sin
embargo, en la última década la tecnología desarrollada permite analizar hasta dos millones de
variantes al mismo tiempo para cada individuo. Esta tecnología generó la creación de los estudios de
asociación del genoma completo (genome wide association studies, GWAS). Estos estudios permiten
comparar millones de variantes entre cohortes de casos y controles, resultando en la asociación de
algunas variantes con la enfermedad de interés. El gran avance tecnológico, la creación de consorcios
de bancos de ADN de miles de muestras de humanos, el apoyo de herramientas estadísticas y la
referencia del genoma humano ha permitido descubrir variantes raras o comunes que contribuyen al
desarrollo de una enfermedad (Begum et al., 2012; LaFramboise, 2009; Manolio, 2010). Sin embargo,
la función de muchas de esas variantes y de los genes aledaños no se conoce (Gutiérrez et al., 2011), lo
que abre el horizonte para explorar nuevas vías para entender mejor la causa de las enfermedades.

Por otra parte, la genética ha ayudado a describir enfermedades que son heredables con un patrón
mendeliano, las cuales generalmente contienen mutaciones (poco frecuentes) en la parte que codifica
un gen, provocando que haya un cambio funcional de la proteína y que se presente la enfermedad (por
ejemplo, fibrosis quística). Sin embargo, hay enfermedades que no siguen el patrón mendeliano y se les
conoce como enfermedades comunes. Es aquí donde la genómica ha permitido describir muchas
variantes que están asociadas a alguna enfermedad, por ejemplo: obesidad y diabetes. Las variantes
asociadas a enfermedades comunes son frecuentes (a diferencia de las mutaciones) y se presentan en
regiones regulatorias de los genes y conceden susceptibilidad o protección para el desarrollo de la
enfermedad.

Imagen: kropekk_pl. Existen algunas limitantes de los estudios genómicos como son las siguientes:
primero, las variantes asociadas a una enfermedad explican solamente una pequeña parte del
componente heredable; en segundo lugar, las variantes pueden ser reguladas por factores ambientales
independientemente de la secuencia del ADN (ver epigenómica). Es por esto que la genómica ofrece
correlaciones entre las enfermedades y las variantes génicas, sin demostrar cómo esa variable puede ser
causal de la enfermedad. Entonces, es necesario integrar estas correlaciones con otras “ómicas” para
encontrar la función de los genes y de las variantes que los modulan, para comprender mejor la causa
de la enfermedad.
Transcriptómica
El ADN se transcribe a ARNm y a éste le llamamos también transcrito. La transcriptómica es la
“ómica” que se encarga de estudiar la expresión de los transcritos que provienen de diferentes genes. El
ARNm es específico de cada célula y de las condiciones fisiopatológicas en determinado momento. Por
ejemplo, el ARNm extraído de células del músculo será diferente a las células del hígado antes y
después de comer. Es por esto que la transcriptómica se hace en tejido y en tiempo específico, ya que la
transcripción es muy dinámica.

Anteriormente, se creía que gran parte del ADN que no se transcribía a ARNm, no tenía ninguna
función y se consideraba ADN “basura.” Sin embargo, además del ARNm existen otros transcritos no
codificantes como son: 1) los miRNA (micro ARN, secuencias de 21-25 nucleótidos) y, 2) los lncRNA
(ARN largos no codificantes, >200). Estos tipos de transcritos no codificantes tienen como función
regular la expresión de los ARNm codificantes. Por lo tanto, sabemos en la actualidad que estas
regiones del ADN son secuencias reguladoras de la expresión de diversos genes y no son “basura”.

Las metodologías que se utilizan para analizar el ARNm son: 1) microarreglos o 2) secuenciación del
ARN (RNAseq por sus siglas en inglés). Los microarreglos consisten en hibridar el ARNm de un
determinado tejido a secuencias de genes previamente conocidos que se encuentran unidas a un
microarreglo. De esta forma, se pueden hacer comparaciones entre casos o controles o simplemente ver
qué genes se expresan mayoritariamente en ciertas condiciones. En cambio, el RNAseq consiste en
secuenciar todos los transcritos presentes en esas condiciones, teniendo como consecuencia encontrar
nuevos transcritos que no se conocían anteriormente y nuevos genes involucrados en un padecimiento.

En la actualidad, una de las aplicaciones de la transcriptómica es el análisis de la expresión de genes

implicados en diferentes tipos de cánceres. Por ejemplo, en México se ha utilizado el microarreglo
Oncotype RX, el cual mide la expresión de 21 genes involucrados en el cáncer de mama, para mejorar
la toma de decisiones del tratamiento por parte del clínico tratante. Los resultados mostraron que al
aislar el ARNm de una biopsia del tumor de mama e hibridándolo al microarreglo aumentó la
expectativa de vida de los pacientes y redujo los costos de la enfermedad (Bargalló-Rocha et al., 2015).
Proteómica
El ARNm es traducido a proteínas (formadas por aminoácidos), las cuales están encargadas de realizar
la función correspondiente del gen. La proteómica se encarga de estudiar muchas proteínas presentes en
una muestra.

Una vez que las proteínas son traducidas pueden sufrir modificaciones post-traduccionales, tales como
cortes, fosforilación, glucosilación, sumolización. Estas modificaciones provocan cambios estructurales
que controlan la formación de complejos funcionales proteicos, regulan la actividad de las proteínas y
las transforman en formas activas o inactivas. Algunos de estos cambios son señales para la estabilidad
o degradación de las proteínas. La proteómica estudia a las proteínas, así como las modificaciones post-
transcripcionales que las regulan. Al igual que el ARNm, las proteínas se expresan en tejido y tiempo
específico, por lo que la toma de la muestra dependerá del tejido y del estadio de la fase celular de
interés.

La metodología para estudiar la proteómica consiste principalmente en: 1) separar las proteínas por
técnicas cromatográficas (líquidos, gases, etcétera) o electroforéticas (2D-PAGE); 2) digerir las
proteínas; 3) detectar los fragmentos peptídicos (de proteínas) por espectrometría de masas, y 4)
identificar las proteínas.

La aplicación de la proteómica a la clínica se encuentra en etapas tempranas; sin embargo, actualmente

se utiliza para: a) identificación de proteínas en una muestra biológica; b) identificación de un perfil de
proteínas comparando muestras entre casos y controles; c) determinar la interacción entre diversas
proteínas y su red funcional, y d) identificar las modificaciones post-transcripcionales (Mishra, 2010).
De esta forma, se lograrán encontrar biomarcadores (proteínas) que sirvan para diagnosticar
enfermedades, con el fin de dar un tratamiento más adecuado en un futuro.

Imagen: OpenClipart-Vectors. El gran esfuerzo de muchos científicos ha logrado crear el Proyecto del
Proteoma Humano, que proporciona una lista de proteínas que se han encontrado en diferentes tipos
celulares y órganos de adultos o de fetos. Estos datos son públicos y reporta más de 30 000 proteínas
identificadas en el humano (Omenn et al., 2015).

El uso de la proteómica lo podemos ver en diferentes enfermedades como son: cáncer, diabetes,
obesidad, entre otras. Por ejemplo, dentro del ámbito de la reproducción asistida, la proteómica ha sido
de gran interés para analizar los gametos (óvulos y espermatozoides) e identificar proteínas que puedan
ser utilizados como biomarcadores para poder seleccionar aquellos gametos que aseguren una mejor
fertilización y aumentar la tasa de éxito de la reproducción asistida (Kosteria et al., 2017).
Metabolómica
Los metabolitos son aquellas moléculas que participan como sustratos, intermediarios o productos en
las reacciones químicas del metabolismo. La metabolómica se define como una tecnología para
determinar los cambios globales en la concentración de los metabolitos presentes en un fluido, tejido u
organismo en respuesta a una variación genética, a un estímulo fisiológico o patológico (Park, Sadanala
y Kim, 2015). La metabolómica nos permite analizar el perfil metabólico de una muestra, de forma
cuantitativa y cualitativa. La metodología utilizada es la misma que la descrita en proteómica, en la que
se pueden encontrar metabolitos específicos relacionados con el desarrollo de una enfermedad o con la
respuesta a un tratamiento nutricio o farmacológico.

Recientemente, se ha logrado avanzar de forma importante en el conocimiento de la metabolómica de

la obesidad y la diabetes, al asociar la concentración de ciertos metabolitos en suero y orina con un
mayor riesgo de desarrollar dichas enfermedades. Estos metabolitos incluyen a varios aminoácidos,
lípidos, hidratos de carbono y ácidos nucleicos.

En condiciones de obesidad, la concentración circulante de algunos aminoácidos, especialmente los de

cadena ramificada (isoleucina, leucina y valina), está elevada (Chevalier et al., 2005). En población
infantil mexicana se logró asociar un perfil de aminoácidos (mayor concentración de arginina,
leucina/isoleucina, fenilalanina, tirosina, valina y prolina) con obesidad, con lo cual se tiene la
capacidad de predecir un mayor riesgo de hipertrigliceridemia en los siguientes dos años (Moran-
Ramos et al. 2017).

Por otro lado, la obesidad se caracteriza por la presencia elevada de ácidos grasos libres en suero. De
hecho, se ha visto que la concentración de ácido oleico, palmítico, palmitoleico y esteárico es elevada,
mientras que la concentración de etanolamina y lisofosfatidiletanolamina se encuentra disminuida en
organismos obesos (Moore et al., 2014). Aunados a los ácidos palmítico, palmitoleico y esteárico, las
ceramidas y el diacilglicerol son metabolitos que se encuentran aumentados en pacientes diabéticos
(Fiehn et al., 2010). En lo que se refiere a los hidratos de carbono, se ha observado que los pacientes
con obesidad y diabetes tienen concentraciones aumentadas de glucosa, fructosa y glicerol en suero
(Fiehn et al., 2010; Moore et al., 2014).

Anteriormente, se pensaba que el ADN era una estructura simple y lineal. Sin embargo,
en las últimas décadas se ha demostrado que el ADN puede plegarse formando
estructuras tridimensionales que pueden regular regiones muy lejanas.

En resumen, el conjunto de metabolitos que han sido asociados a la obesidad y diabetes pueden darnos
información muy valiosa sobre las vías metabólicas alteradas durante el desarrollo de estas
enfermedades. Además, estos metabolitos podrán ser utilizados en un futuro como biomarcadores para
el diagnóstico de una enfermedad con el fin de dar un tratamiento más adecuado correspondiente a la
vía metabólica afectada o bien podrán servir como indicadores para prevenir enfermedades que se
puedan presentar en un futuro.
Epigenómica
Anteriormente, se pensaba que el ADN era una estructura simple y lineal. Sin embargo, en las últimas
décadas se ha demostrado que el ADN puede plegarse formando estructuras tridimensionales que
pueden regular regiones muy lejanas. La secuencia de nucleótidos, entonces, no es lo único que regula
la expresión génica, sino el enrollamiento del ADN y su posicionamiento durante la formación de
estructuras complejas que construyen a los cromosomas.

La epigenética se refiere al conjunto de procesos por medio de los cuales se regula la transcripción de
los genes sin afectar la secuencia del ADN. Los mecanismos principales por los que se llevan a cabo
estas regulaciones del genoma son la adición de grupos metilo (metilación) de los nucleótidos del ADN
y la metilación o adición de grupos acetilo (acetilación) de las histonas (proteínas sobre las cuales se
enrolla el ADN durante la formación de los cromosomas) (Burdge y Lillycrop, 2014; Desai, Jellyman y
Ross, 2015). La epigenómica representa a los cambios epigenéticos globales en una muestra, en un
momento dado y en condiciones fisiopatológicas específicas. Por ejemplo, un estudio reveló que la piel
que ha sido expuesta al sol sin protección tiene, en su ADN, menos grupos metilos que la piel que ha
sido protegida del sol (Vandiver et al., 2015). Los mismos patrones con menor cantidad de grupos
metilo se han reconocido para las células cancerosas en comparación con las células sanas. Así, la
epigenómica de la exposición al sol y de la progresión del cáncer son similares; esta similitud puede ser
la respuesta molecular de cómo el cáncer de piel se asocia a la exposición al sol sin protección.

Las técnicas por medio de las cuales se estudia el epigenoma son muy diversas. En primer lugar, para
conocer los patrones de metilación en el ADN, se utiliza frecuentemente la “secuenciación con
bisulfito”. También, se pueden emplear anticuerpos que se unan específicamente a los nucleótidos
metilados para su reconocimiento (Han y He, 2016). En segundo lugar y para el caso de la
modificación (metilación o acetilación) de histonas, se puede precipitar la cromatina utilizando
anticuerpos que se unan específicamente a las histonas.
Imagen: GDJ. Un ejemplo muy interesante de la aplicación de la epigenómica a la clínica es la llamada
programación fetal. Esta trata del destino metabólico de los hijos que han sido expuestos a ciertas
condiciones nutricias durante el desarrollo en el útero. Las investigaciones del caso de la hambruna
holandesa de 1944 nos permitieron ver que los niños nacidos de madres desnutridas tenían mayor
tendencia a la obesidad y enfermedades metabólicas en la vida adulta (Ravelli, Stein y Susser, 1976).
Ahora sabemos que tanto la desnutrición como la obesidad de la madre en la etapa fetal influyen sobre
la salud metabólica del niño, del adolescente y del adulto más adelante en la vida (Reichetzeder et al.,
2016). En diversos estudios se ha concluido que la dieta materna puede regular la transcripción de
genes involucrados en la formación de tejido adiposo (adipogénesis), en la producción de lípidos
(lipogénesis) y en el metabolismo de la glucosa. Un ejemplo de estos genes es el que codifica para la
hormona leptina. La región que regula la transcripción del gen de la leptina tiene mayor número de
grupos metilo después de consumir una dieta rica en grasas. Esta metilación incrementada provoca la
disminución de la expresión del gen de leptina y, como consecuencia, existe menor concentración de
esta hormona en suero (Milagro et al., 2009) Debido a que la acción de la leptina es favorecer la
saciedad, su menor concentración promueve mayor consumo de alimento y contribuye a la formación
de tejido adiposo y como consecuencia, la obesidad.
Nutrigenómica y nutrigenética
La nutrigenómica es la herramienta que nos deja conocer, de manera global, los cambios en la
expresión de genes en respuesta al consumo de un nutrimento, alimento o dieta. Por ejemplo, se sabe
que el consumo de ácidos grasos poliinsaturados (AGPI) resulta en un beneficio para la salud
cardiovascular. En un estudio se determinó la influencia del AGPI docosahexanoico y sus metabolitos
sobre la expresión global de genes y se concluyó que los genes que participan en la formación de la
placa de ateroma que bloquea las arterias se encuentra disminuida (Merched et al., 2008). A partir de
este tipo de trabajos, se ha visto que la dieta participa en los cambios de expresión de genes y que
modifica el metabolismo.

Por otra parte, la nutrigenética se encarga de estudiar los efectos que tiene una variante genética sobre
la respuesta del individuo a los nutrimentos. Existen referencias antiguas acerca de la variabilidad
interindividual en respuesta a factores dietéticos, como la del poeta y filósofo griego Tito Lucrecio (99
a.C.-55 a.C.), quien citó: “Lo que para unos es comida, es amargo veneno para otros”.

La profundización en el estudio de las enfermedades asociadas a las variantes genéticas ha generado un

mejor entendimiento de la influencia de los nutrimentos y de la dieta sobre el estado de salud y
enfermedad de los humanos. Un ejemplo clínico es la fenilcetonuria, la cual representa un error innato
del metabolismo dado por la presencia de mutaciones en el gen que codifica para la enzima hidroxilasa
de la fenilalanina (Neeha y Kinth, 2013). Como consecuencia, esta enzima no es funcional, provocando
que el metabolismo de dicho aminoácido se vea afectado y se acumule el fenilpiruvato, un metabolito
neurotóxico. Los pacientes con diagnóstico de fenilcetonuria deben consumir una dieta restringida en el
aminoácido fenilalanina para evitar el acúmulo del metabolito neurotóxico, el cual provoca retraso
mental.

Debido que la nutrigenética se basa en los cambios de variantes presentes en el ADN, los cuales
influyen en la manera en que se metabolizan los nutrimentos, las metodologías utilizadas para
determinar cuestiones de nutrigenética son las mismas que en genómica. Por otra parte, dado que la
nutrigenómica estudia el impacto de los nutrimentos sobre la expresión de genes, las tecnologías
utilizadas para su análisis son las mismas que las de la transcriptómica.

Conclusiones
Las “ómicas” representan el análisis de un gran número de moléculas a partir de muestras biológicas,
gracias al avance tecnológico que se ha dado en los últimos años y a la formación de equipos
multidisciplinarios que ayudan a la interpretación de los datos. La creación de los biobancos ha logrado
recaudar un gran número de muestras, las cuales han sido analizadas desde las diferentes “ómicas”
(genómica, transcriptómica, proteómica, metabolómica, nutrigenómica, epigenómica, entre otras) para
poder obtener nueva información de un fenómeno biológico. Hasta ahora, nos hemos beneficiado de
estas ciencias para la creación de biomarcadores que se asocian o predicen un proceso biológico, ya sea
normal o que conlleva a una enfermedad.

Se ha logrado estudiar cada “ómica” por separado, pero el reto será interrelacionar a todas estas
disciplinas. De esta forma, el estudio de las “ómicas” permitirá entender la red de moléculas y de
procesos biológicos que estén involucrados en un proceso biológico o en una enfermedad. Cuando esto
suceda, podremos utilizar la información para el oportuno diagnóstico de una enfermedad, para la
generación de medicamentos más específicos y para la creación de la medicina personalizada, la cual
busca individualizar la atención de los pacientes por medio de la predicción, prevención y tratamiento
de las enfermedades, con el conocimiento de los antecedentes genéticos, la exposición ambiental y la
alimentación de cada individuo.

En un futuro, los sistemas de salud podrán utilizar la información obtenida a partir de las “ómicas” para
tratar los padecimientos más frecuentes de una población utilizando la medicina personalizada. Al
mismo tiempo, se debe de contemplar que los datos generados por las “ómicas” deberán de respetar los
aspectos éticos y legales establecidos por la legislación, con el fin de proteger el anonimato de los
individuos. Por esta razón, se ha publicado recientemente una revisión del estatus de las regulaciones
de los biobancos en México (Motta-Murguia y Saruwatari-Zavala, 2016).

1 Para mayor información, revisar la página http://omics.org.

Bibliografía
Avery, O. T., MacLeod, C. M., y McCarty, M. (1944). Studies on the chemical nature of the
substance inducingtransformation of pneumococcal types. Journal of Experimental
Medicine, 79(2), 137–158. DOI: <http://doi.org/10.1084/jem.79.2.137>.

Bargalló-Rocha, J. E. et al. (2015). Cost-Effectiveness of the 21-Gene Breast Cancer Assay

in Mexico. Advances in Therapy, 32(3), 239–253. DOI: <http://doi.org/10.1007/s12325-
015-0190-8>.

Begum, F., Ghosh, D., Tseng, G. C. y Feingold, E. (2012). Comprehensive literature review
and statistical considerations for GWAS meta-analysis. Nucleic Acids Research, 40(9),
3777–3784. DOI: <http://doi.org/10.1093/nar/gkr1255>.

Burdge, G. C. y Lillycrop, K. A. (2014). Environment-physiology, diet quality and energy

balance: the influence of early life nutrition on future energy balance. Physiology y
Behavior. DOI: <http://doi.org/10.1016/j.physbeh.2013.12.007>.

Chevalier, S., Marliss, Morais, Lamarche y Gougeon (2005). Whole-body protein anabolic
response is resistant to the action of insulin in obese women. American Journal of Clinical
Nutrition, 82(2), 355–365. DOI: <https://www.ncbi.nlm.nih.gov/pubmed>.

Corvol, H. et al. (2016). Translating the genetics of cystic fibrosis to personalized

medicine. Translational Research. DOI: <http://doi.org/10.1016/j.trsl.2015.04.008>.

Desai, M., Jellyman, J. K. y Ross, M. G. (2015). Epigenomics, gestational programming

and risk of metabolic syndrome. International Journal of Obesity. DOI:
<http://doi.org/10.1038/ijo.2015.13>.

Fiehn, O., Timothy Garvey, W., Newman, J. W., Lok, K. H., Hoppel, C. L. y Adams, S. H.
(2010). Plasma metabolomic profiles reflective of glucose homeostasis in non-diabetic and
type 2 diabetic obese African-American women. PLoS ONE, 5(12), 1–10. DOI:
<http://doi.org/10.1371/journal.pone.0015234>.

Gutierrez Aguilar, R., Kim, D. H., Woods, S. C. y Seeley, R. J. (2011). Expression of New
Loci Associated With Obesity in Diet-Induced Obese Rats: From Genetics to Physiology.
Obesity (Silver Spring). DOI: <https://doi.org/10.1038/oby.2011.236>.

Han, Y. y He, X. (2016). Integrating epigenomics into the understanding of biomedical

insight. Bioinformatics and Biology Insights. Recuperado de:
<https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5138066/>.

Harrow, J. et al. (2012). GENCODE: The reference human genome annotation for the
ENCODE project. Genome Research, 22(9), 1760–1774. DOI:
<http://doi.org/10.1101/gr.135350.111>.

Hershey, A. D. y Chase, M. (1952). Independent functions of viral protein and nucleic acid
in growth of bacteriophage. Journal of General Physiology, 36(1), 39–56. Reciperado de:
<https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2147348/>.

International Human Genome Sequencing Consortium. (2004). International Human

Genome Sequencing Consortium. Finishing the euchromatic sequence of the human
genome. Nature, 431, 931–945. Recuperado de:
<http://www.nature.com/nature/journal/v431/n7011/full/nature03001.html?foxtrotcallback=
true>.

Kosteria, I. et al. (2017). The use of proteomics in assisted reproduction. In Vivo, 31(3),
267–283. DOI: <http://doi.org/10.21873/invivo.11056>.

LaFramboise, T. (2009). Single nucleotide polymorphism arrays: A decade of biological,

computational and technological advances. Nucleic Acids Research. DOI:
<http://doi.org/10.1093/nar/gkp552>.

Manolio, T. A. (2010). Genomewide Association Studies and Assessment of the Risk of

Disease. The New England Journal of Medicine, 363(2), 166–176. DOI:
<http://doi.org/10.1056/NEJMra0905980>.

Merched, A. J. et al. (2008). Atherosclerosis: evidence for impairment of resolution of

vascular inflammation governed by specific lipid mediators. The FASEB Journal, 22(10),
3595–3606. DOI: <http://doi.org/10.1096/fj.08-112201>.

Milagro, F. I. et al. (2009). High fat diet-induced obesity modifies the methylation pattern
of leptin promoter in rats. Journal of Physiology and Biochemistry, 65(1), 1-9. Rrecuperado
de: <http://www.ncbi.nlm.nih.gov/pubmed/19588726>.

Mishra, N. (2010). Introduction to Proteomics: Principles and Applications. Introduction to

Proteomics: Principles and Applications. DOI: <http://doi.org/10.1002/9780470603871>.

Moore, S. C. et al. (2014). Human metabolic correlates of body mass index. Metabolomics,
10(2), 259–269. DOI: <http://doi.org/10.1007/s11306-013-0574-1>.

Moran-Ramos, S. et al. (2017). An amino acid signature associated with obesity predicts 2-
year risk of hypertriglyceridemia in school-age children. Scientific Reports. Recuperado de:
<https://www.nature.com/articles/s41598-017-05765-4>.

Motta Murguia, L. y Saruwatari-Zavala, G. (2016). Mexican Regulation of Biobanks. The

Journal of Law, Medicine y Ethics : A Journal of the American Society of Law, Medicine y
Ethics, 44(1), 58–67. Recuperado de: <https://www.ncbi.nlm.nih.gov/pubmed/27256124>.
Neeha, V. S. y Kinth, P. (2013). Nutrigenomics research: A review. Journal of Food Science
and Technology, 50(3), 415–428. DOI: <http://doi.org/10.1007/s13197-012-0775-z>.

Omenn, G. S. et al. (2015). Metrics for the human proteome project 2015: Progress on the
human proteome and guidelines for high-confidence protein identification. Journal of
Proteome Research, 14(9), 3452–3460. DOI:
<http://doi.org/10.1021/acs.jproteome.5b00499>.

Park, S., Sadanala, K. C. y Kim, E.-K. (2015). A Metabolomic Approach to Understanding

the Metabolic Link between Obesity and Diabetes. Molecules and Cells. DOI:
<http://doi.org/10.14348/molcells.2015.0126>.

Ravelli, G. P., Stein, Z. A. y Susser, M. W. (1976). Obesity in Young Men after Famine
Exposure in Utero and Early Infancy. New England Journal of Medicine, 295(7), 349–353.
DOI: <http://doi.org/10.1056/NEJM197608122950701>.

Reichetzeder, C. et al. (2016). Developmental Origins of Disease - Crisis Precipitates

Change. Cellular Physiology and Biochemistry, 39(3), 919–938. DOI:
<http://doi.org/10.1159/000447801>.

Vandiver, A. R., Irizarry, R. Hansen, K, Garza, L., Runarsson, A., Li, X., Chien, A., Wang,
T., Leung, S. Kang, S y Feinberg, A. (2015). Age and sun exposure-related widespread
genomic blocks of hypomethylation in nonmalignant skin. Genome Biology. DOI:
<https://doi.org/10.1186/s13059-015-0644-y>.

Venter, J. C. et al. (2001). The sequence of the human genome. Science, 291(5507), 1304–
1351. DOI: <http://doi.org/10.1126/science.1058040>.

Watson, J. D. y Crick, F. H. C. (1953). Molecular structure of nucleic acids. Nature. DOI:

<http://doi.org/10.1097/BLO.0b013e3181468780>.