Tuberculosis (TB) se ha consolidado como la enfermedad infecciosa más letal del mundo, en gran parte debido a su capacidad para permanecer inactiva en los pulmones durante años antes de desencadenar una infección. Recientemente, un equipo de investigadores de la Universidad de Cornell ha desarrollado un método computacional innovador que proporciona información sobre cómo este estado de inactividad, que puede durar varias generaciones, ha influido en la evolución del bacilo de la tuberculosis (Mtb) y otros organismos que pueden entrar en un estado de letargo temporal.
El estudio, titulado «Inference Phylodinamica Bayesiana de Dinámicas Poblacionales con Dormancia», fue publicado en Proceedings of the National Academy of Sciences. Los expertos han creado el primer modelo que construye un árbol genealógico para organismos que experimentan una dormancia a largo plazo, estimando factores clave que han afectado su evolución a lo largo del tiempo. Esta comprensión más profunda de la evolución de patógenos puede ser crucial para mejorar los esfuerzos de vigilancia y preparación ante posibles nuevas cepas.
La complejidad de la dormancia en la evolución de patógenos
Según Jaehee Kim, profesora asistente de biología computacional en la Universidad de Cornell, «si queremos reconstruir de manera precisa partes de la historia evolutiva que no podemos observar directamente, es esencial tener en cuenta la dormancia». Ignorar este estado puede llevar a conclusiones erróneas sobre la evolución pasada de la bacteria y su potencial evolutivo futuro.
La dormancia puede complicar en gran medida los estudios de genética poblacional. Cuando las condiciones se vuelven adversas, muchos organismos, desde plantas hasta patógenos, optan por entrar en un estado de letargo, lo que dificulta el estudio de su evolución. Mientras que los miembros activos de una población continúan evolucionando y adquiriendo nuevas mutaciones, los organismos en estado de dormancia permanecen prácticamente inalterados, para luego resurgir, habiendo perdido la oportunidad de adaptarse a los cambios.
Para abordar este desafío, Kim y su equipo desarrollaron un programa de software de código abierto llamado SeedbankTree, que analiza secuencias genómicas de poblaciones con miembros en estado de dormancia. Este programa proporciona estimaciones sobre qué porcentaje de la población está inactiva en un momento dado, cuánto tiempo permanecen inactivos antes de reactivarse y cuán rápidamente los miembros activos y dormidos acumulan mutaciones en su genoma.
El equipo puso a prueba su método utilizando datos genéticos sintéticos y luego aplicó la metodología a secuencias de ADN de un brote real de tuberculosis que tuvo lugar en Nueva Zelanda entre 1992 y 2011. Gracias a un exhaustivo rastreo de contactos, los epidemiólogos pudieron identificar casos con infecciones dormidas. SeedbankTree estimó que las Mtb dormantes mutan a una velocidad aproximadamente una octava parte de la que lo hacen las bacterias durante una infección activa, con un tiempo medio de reactivación de 1,27 años. Ambas estimaciones coinciden con valores de estudios previos sobre Mtb, lo que respalda la efectividad del modelo.
Este enfoque no solo permite trazar brotes, sino que también sugiere si los organismos han pasado por períodos de dormancia, basándose únicamente en sus secuencias genómicas. Además, proporciona una estimación más precisa de la velocidad a la que acumulan mutaciones. Si los científicos no consideran la dormancia, es probable que lleguen a la conclusión errónea de que un organismo evoluciona muy lentamente, cuando en realidad ha pasado largos períodos escondido.
En el futuro, el equipo planea aplicar su modelo para comprender el papel de la dormancia en la iniciación y progresión del cáncer. También están interesados en cómo la dormancia podría complicar los «gene drives», técnicas de ingeniería genética que aumentan la probabilidad de transmisión de un gen a la siguiente generación y que tienen el potencial de erradicar malezas, plagas y patógenos. Sin embargo, las semillas en estado de dormancia en el suelo podrían permitir que las plantas no modificadas regresen.
Los coautores del estudio incluyen a Wai Tung «Jack» Lo, Joy Zhang, estudiante de doctorado en matemáticas aplicadas, Peiyu Xu, estudiante de doctorado en genética, y Lorenzo Cappello de la Universitat Pompeu Fabra de España, quien es el primer autor de la investigación.
