1. INTRODUCCIÓN
La transcriptómica, el estudio del transcriptoma (el conjunto completo de moléculas de ARN en una muestra), proporciona información valiosa sobre los procesos celulares, la expresión génica y los mecanismos reguladores. Desde sus inicios en la década de 1990, este campo ha avanzado significativamente con el desarrollo de la secuenciación de nueva generación (NGS) y la secuenciación de ARN (RNAseq), que revolucionaron el estudio de la expresión génica al permitir análisis a gran escala y detectar cambios previamente inalcanzables. Esta tecnología ha expandido la investigación en organismos no modelo y especies sin recursos genómicos previos. En ecología, la transcriptómica ayuda a investigar características ecológicamente importantes como:
– resistencia a entornos hostiles
– resistencia a enfermedades o infecciones
– ciclo vital, desarrollo y plasticidad
– adaptación de las especies
Al integrarse con datos fisiológicos, la transcriptómica ofrece un enfoque multidimensional para el estudio de cuestiones ecológicas.
2. TRANSCRIPTOMÍA DE PAISAJE: FUNDAMENTOS
2.1. ¿Qué es la transcriptómica del paisaje?
La transcriptómica del paisaje examina cómo la expresión génica a nivel de genoma conecta la variación ambiental con la función de los organismos y la diferenciación genética entre poblaciones. Integra principios de la ecología del paisaje, la biología de macrosistemas, la genómica del paisaje, la ecofisiología y la transcriptómica comparativa.
Numerosas revisiones sobre genómica del paisaje han mencionado brevemente el potencial de otros enfoques de la transcriptómica del paisaje (Fig. 2.1.) que van más allá del estudio de la variación de la secuencia de ADN. Si bien cada uno de estos enfoques puede mejorar nuestra comprensión de cómo las poblaciones responden a los procesos a escala del paisaje, la transcriptómica ofrece una rica fuente de información única, a la vez que presenta desafíos específicos. Además, las técnicas transcriptómicas se han perfeccionado para que sean de alto rendimiento, estandarizadas y ampliamente aplicables en una amplia gama de organismos, lo que hace que este enfoque sea más accesible que otros enfoques de la transcriptómica. Además, las técnicas transcriptómicas se han perfeccionado para ser de alto rendimiento, estandarizadas y ampliamente aplicables a una amplia gama de organismos, lo que hace que este enfoque sea más accesible que otros enfoques – ómicos.
Figura 2.1. Ómicas: diferentes enfoques de la expresión génica (Supplitt et al., 2021)
2.2. La transcriptómica del paisaje en los enfoques de ecología, evolución y conservación
La transcriptómica del paisaje se encuentra en una posición única para responder a una serie de preguntas relevantes para ecólogos, fisiólogos, biólogos evolutivos y biólogos de la conservación, que se abordan en las siguientes secciones.
2.2.1. Cambios en el transcriptoma en función de las variaciones de los factores ambientales
La transcriptómica del paisaje combina la ecología del paisaje con la genómica funcional y la ecofisiología para comprender cómo influyen los factores bióticos y abióticos en las respuestas de los organismos a lo largo del tiempo. La distribución de las poblaciones está determinada por factores abióticos (temperatura, precipitaciones, contaminantes, etc.) y bióticos (depredadores, competidores, enfermedades, etc.), que interactúan de forma compleja con la expresión génica. La identificación de genes expresados de forma diferencial, grupos funcionales y redes de coexpresión permite comprender mejor los mecanismos moleculares que determinan la biodiversidad a escala espacial y temporal.
Se ha observado una correlación entre parentesco filogenético y similitud ecológica tanto en macroorganismos como en microorganismos. Las especies estrechamente emparentadas comparten conjuntos similares de genes (conservación de rasgos), lo que les permite sobrevivir en condiciones similares (filtrado ambiental). Así pues, los genomas definen los nichos fundamentales y predicen los nichos realizados junto con los factores ambientales.
La ampliación de estudios transcriptómicos a paisajes implica aumentar las réplicas y minimizar las variables de confusión para mejorar la potencia inferencial, como se ha demostrado en estudios a menor escala:
- Estudios de Parus major (herrerillo común) en entornos rurales frente a urbanos. Watson et al., 2017 han realizado un ensayo dirigido a la caracterización de los transcriptomas de dos poblaciones distintas de herrerillo común (Parus major): urbana y rural. Los datos del estudio revelaron una gran diferencia entre los perfiles de expresión génica de los lugares objeto de investigación, la sangre y el hígado. Los genes expresados diferencialmente reflejan las respuestas inmunitarias e inflamatorias del organismo, la desintoxicación, la protección frente al estrés oxidativo, el metabolismo lipídico y la regulación de la expresión génica. Además, se descubrió que los genes relacionados con las respuestas al estrés se expresaban con mayor intensidad en la población urbana que en sus homólogos de la rural. Estos datos concluyen que los animales que viven en condiciones urbanas están expuestos a estresores ambientales más fuertes y ponen de relieve la epigenética como mediadora de las variaciones fisiológicas inducidas por el medio ambiente. Este estudio piloto puede considerarse un antecedente sólido para el diseño de nuevas investigaciones en profundidad centradas en los mecanismos que impulsan la variación fenotípica en un contexto urbano. Además, se acumulan conocimientos sobre la regulación del fenotipo a nivel molecular en respuesta a factores estresantes urbanos en la naturaleza.
- Estudios sobre Bombus terricola(abejorro) en zonas agrícolas frente a zonas no agrícolas. El estudio realizado por Tsvetkov et al., 2021 explota un enfoque genómico de conservación para estudiar la población del abejorro (Bombus terricola) en un sistema modelo de sitios agrícolas y no agrícolas. Se secuenciaron muestras seleccionadas de ARN del abdomen de las obreras de ambos sitios y se identificaron los perfiles transcripcionales. Éstos mostraron una asociación con la exposición a plaguicidas y las infecciones por patógenos. Además, se organizaron análisis meta-transcriptómicos que detectaron cinco patógenos, tres de ellos comunes a los abejorros y las abejas melíferas. Estos datos proporcionaron un apoyo funcional al papel negativo establecido de los pesticidas y patógenos que afectan a las poblaciones de abejorros. Además, demuestran el papel de la genómica de la conservación como herramienta que permite cuantificar los complejos efectos de múltiples factores de estrés sobre las poblaciones de polinizadores en la naturaleza salvaje.
2.2.2. Respuestas transcriptómicas a los cambios ambientales a nivel poblacional
La investigación sobre las diferencias poblacionales en las respuestas medioambientales explora la repetibilidad de la evolución, los procesos que mantienen la variación y el papel de la plasticidad en la evolución adaptativa. Los conocimientos sobre las respuestas son vitales para abordar desafios aplicados como la migración asistida y las respuestas de las poblaciones al cambio climático o de hábitat. La transcriptómica del paisaje ayuda a la conservación de especies y a la gestión de poblaciones al relacionar las diferencias genéticas con las condiciones ambientales, sobre todo en casos de interacciones genotipo-ambiente (GxE), en los que la transcriptómica revela cómo responden los distintos genotipos a los factores ambientales. Las poblaciones pueden adaptarse mediante la actividad génica de base o la plasticidad transcripcional, un rasgo clave para la flexibilidad, aunque la naturaleza dinámica de los transcriptomas plantea retos en comparación con los estudios del ADN.
Estudios sobre Anolis carolinensis y A. cristellatus identificaron la temperatura como un factor clave de las diferencias de expresión génica entre entornos. Los cambios adaptativos en la tolerancia al frío se relacionaron con la eficiencia respiratoria, lo que destaca el valor de combinar los datos fisiológicos con la transcriptómica.
2.2.3. Relaciones transcriptoma-medio ambiente en la gestión de las prácticas de conservación
Cuantificar el impacto de los posibles factores estresantes es crucial para la biología de los organismos, la gestión de las especies y su conservación. La exposición a corto plazo a factores estresantes, como la exposición a pesticidas, puede causar cambios transcripcionales duraderos que influyen en la salud, la longevidad y la aptitud física, incluso si el factor estresante ya no está presente. Además, la exposición a factores estresantes puede modular la expresión génica en generaciones posteriores una vez finalizado el estrés a través de diversos mecanismos.
La exposición a corto plazo a factores estresantes, como la exposición a pesticidas, puede causar cambios transcripcionales duraderos que influyen en la salud, la longevidad y la aptitud física, incluso si el factor estresante ya no está presente. Este enfoque permite el seguimiento simultáneo de múltiples factores de estrés, distinguiendo entre diferentes tipos de respuestas al estrés y evaluando los impactos a largo plazo a través de métodos biológicamente relevantes no letales. Por lo tanto, las firmas transcriptómicas proporcionan datos valiosos para orientar los esfuerzos de gestión y conservación.
2.2.4. La transcriptómica del paisaje en un contexto práctico
Los avances de las herramientas moleculares y las tecnologías de secuenciación en las dos últimas décadas han revolucionado el estudio de los procesos ecológicos y evolutivos tanto en organismos modelo como no modelo. El coste decreciente de la secuenciación del ARN (<200 dólares por muestra) ha hecho económicamente viable el muestreo del transcriptoma a gran escala en paisajes, permitiendo la integración de los mecanismos funcionales con los procesos a nivel de paisaje.
El muestreo de transcriptomas silvestres a través de gradientes ambientales vincula las respuestas celulares a las grandes dinámicas ecológicas, algo fundamental para comprender las respuestas de las especies a factores de estrés como los cambios térmicos, los contaminantes y las interacciones bióticas. Aunque los estudios naturales pueden complicar la inferencia causal, su combinación con experimentos controlados ofrece una poderosa visión de las interacciones ambientales. La transcriptómica del paisaje también aporta información a las políticas y a los esfuerzos de conservación cruciales para las especies afectadas por el cambio climático y las alteraciones del hábitat.
Comprender la coexistencia de especies sigue siendo un reto fundamental en la ecología vegetal. La secuenciación del ARN permite realizar evaluaciones detalladas de la diversidad funcional y la variación intraespecífica, superando los enfoques tradicionales basados en rasgos. La transcriptómica comunitaria compara las similitudes funcionales de los genes entre especies coexistentes, abordando cuestiones clave sobre la coexistencia de especies en diversos ecosistemas.
Los métodos metagenómicos modernos transforman nuestra comprensión de las interacciones entre plantas y microbios en la filosfera y la rizosfera. Estas técnicas revelan la diversidad del microbioma, las variaciones espaciotemporales y su influencia en la estructura y la dinámica de la comunidad vegetal, lo que permite comprender patrones ecológicos más amplios.
3. ESTUDIOS TRANSCRIPTÓMICOS DEL PAISAJE DE SISTEMAS SILVESTRES EN ENTORNOS NATURALES
Los «sistemas silvestres» suelen referirse a organismos no modelo u organismos modelo no tradicionales estudiados en su entorno natural. Estos entornos ofrecen una oportunidad única para descubrir patrones de expresión génica que no pueden observarse en entornos de laboratorio controlados.
Los estudios del transcriptoma en entornos naturales han descubierto una actividad novedosa en genes típicamente silenciosos que responden a estímulos ambientales complejos y dinámicos. Los desafíos medioambientales pueden revelar variaciones en la expresión génica entre individuos y poblaciones. Por ejemplo, Whitehead et al. (2012) observaron que las diferencias en la expresión génica entre las poblaciones de F. heteroclitus tolerantes a la contaminación y las ingenuas solo aparecían cuando se exponían a altos niveles de toxinas, mientras que los procesos neutros explicaban los patrones de expresión génica no sensibles. Este hecho pone de relieve que el estrés ambiental es crucial para exponer la divergencia adaptativa, ya que las condiciones controladas pueden ocultar estas diferencias.
Los estudios del transcriptoma también pueden identificar transcritos nuevos o no anotados en organismos no modelo. En Daphnia pulex, los genes no anotados representaban más de un tercio del transcriptoma y mostraban fuertes respuestas a estímulos ecológicos. El estudio identificó la duplicación de genes como un mecanismo clave que impulsa la rápida divergencia, especialmente cuando los genes duplicados interactúan dentro de vías reguladoras compartidas. Estos resultados ponen de relieve que muchas funciones génicas permanecen desconocidas hasta que los organismos se enfrentan a condiciones naturales complejas.
3.1. Estudios mediante técnicas de cuantificación del genoma completo
Los microarrays de ADN y la secuenciación del ARN (RNAseq) son potentes herramientas para estudiar la expresión génica en poblaciones silvestres. Estas tecnologías analizan el ARNm, que influye en la producción de proteínas y en los fenotipos determinados por procesos ecológicos. Al examinar la expresión génica a gran escala, los investigadores pueden relacionar la regulación molecular con las respuestas fenotípicas a los factores ambientales, lo que permite avanzar en el conocimiento del transcriptoma ecológico. Estos métodos han abordado cuestiones clave, como el alcance de la variación de la expresión génica en la naturaleza, sus influencias ambientales y su papel en la conformación de los fenotipos, ofreciendo una visión de la interacción entre genética y ecología. En la Tabla 2.1 se comparan estas dos técnicas esenciales. En las Tablas 2.2 y 2.3 se resumen brevemente los protocolos para su realización.
Tabla 2.1 Comparación de las tecnologías de microarrays y RNAseq
| Característica | Microarrays de ADN | Secuenciación del ARN |
| Edad y popularidad | Más antiguo y consolidado; popular por su facilidad de análisis | Más reciente y cada vez más popular para la transcriptómica de todo el genoma |
| Método | Utiliza sondas fijadas a una superficie para hibridar con ADNc marcado con fluorescencia. | Utiliza la secuenciación de nueva generación para leer fragmentos de ADNc derivados de transcritos de ARN. |
| Dependencia de la plataforma | Necesidad de sondas prediseñadas específicas para secuencias de ADN conocidas | Deben tenerse en cuenta las diferencias específicas de la plataforma de secuenciación en cuanto a longitud, profundidad y calidad de las lecturas. |
| Material de entrada | ADNc transcrito inversamente a partir de ARNm marcado con colorantes fluorescentes | Biblioteca de ADNc generada a partir de transcritos de ARN; secuenciada directamente |
| Datos de salida | Valores de intensidad fluorescente proporcionales a la abundancia de ADNc en cada sonda | Datos de secuenciación de alto rendimiento que generan millones de lecturas cortas |
| Analysis tools | El preprocesamiento incluye la normalización, la transformación logarítmica y el análisis estadístico de las señales fluorescentes | Datos analizados mediante lenguajes de programación; alineados con genomas de referencia o ensamblados de novo mediante software. |
| Cobertura | Limitado a genes para los que se dispone de sondas; no puede detectar nuevos transcritos | Proporciona cobertura de todo el genoma y puede detectar nuevos transcritos |
| Rango dinámico | Más estrecho; puede tener dificultades para cuantificar con precisión niveles de expresión muy bajos o muy altos. | Más amplio; mejor para detectar y cuantificar genes de baja y alta expresión |
| Sesgo | Posibilidad de sesgo de la señal debido al diseño de la sonda y a la eficacia de la hibridación | Sesgo potencial debido a la profundidad de lectura, errores específicos de la plataforma y pasos de preparación de la biblioteca. |
| Aplicaciones | Ideal para estudios centrados en conjuntos de genes conocidos | Adecuado para estudios exploratorios y análisis del transcriptoma de todo el genoma |
| Coste y complejidad | Menor coste y flujos de trabajo más sencillos | Flujos de trabajo más costosos y complejos, que requieren recursos informáticos |
Tabla 2.2 Protocolo básico de RNAseq Technologies
(https://www.youtube.com/watch?v=3hPyrQFTUuk&t=10s)
|
Fase |
Rendimiento |
| Qué es la secuenciación del ARN |  |
| El dogma central de la biología molecular y el ARN |  |
|
Fase |
Rendimiento |
| Secuenciación de ARN – generación de ADNc |  |
| Secuenciación de ARN – creación de una biblioteca de ARN: Fragmentación del ARN y síntesis de la 1ª cadena de ADNc |  |
| Secuenciación de ARN – creación de una biblioteca de ARN: Fragmentación de ARN y síntesis de ADNc de 2ª cadena y cola A |  |
| Secuenciación de ARN – creación de una biblioteca de ARN: ligadura y amplificación de adaptadores |  |
|
Fase |
Rendimiento |
| Aplicaciones de secuenciación de ARN |  |
Tabla 2.3 Protocolo básico de microarrays de ADN (chip de ADN)
(https://www.youtube.com/watch?v=NgRfc6atXQ8)
|
Fase |
Rendimiento |
| Qué es un microarray de ADN |  |
| Preparación de muestras de microarrays de ADN |  |
|
Fase |
Rendimiento |
| Preparación de muestras de microarrays de ADN -Síntesis de ADNc y etiquetado fluorescente |  |
| Chip de microarrays de ADN |  |
| DNA Microarray chip – sonda de oligonucleótidos |  |
|
Fase |
Rendimiento |
| Chip de microarrays de ADN – carga de muestras |  |
| DNA Microarray chip – muestra 1 hibridación (gen X) |  |
| DNA Microarray chip – muestra 2 hibridación (gen Y) |  |
|
Fase |
Rendimiento |
| DNA Microarray chip – hibridación muestra 1 + muestra 2 (gen Z) |  |
| Detección de microarrays de ADN |  |
3.2. Variación de la expresión génica en el contexto evolutivo
La variación en la expresión génica puede ser heredable y estar determinada por la selección natural, lo que refleja procesos adaptativos y no adaptativos. Los elementos reguladores o los mecanismos epigenéticos pueden influir en la expresión antes de que surjan variantes genéticas, y las diferencias a nivel poblacional pueden señalar etapas tempranas de divergencia adaptativa. Los estudios suelen utilizar pruebas como las comparaciones Qst-Fst, las pruebas de McDonald-Kreitman y la cartografía de loci de rasgos cuantitativos (QTL) para distinguir los procesos adaptativos de los neutros.
Tanto los procesos neutros como los adaptativos influyen en la expresión génica, y examinar sus funciones en un marco filogenético puede ayudarnos a entender la divergencia a nivel de especie o a niveles taxonómicos superiores. La comparación de especies estrechamente emparentadas puede revelar genes o cambios reguladores importantes para la especiación, sobre todo en respuesta a retos medioambientales. Por ejemplo, Chelaifa et al. (2010) hallaron una expresión diferencial en el 13% del transcriptoma entre Spartina maritima y Spartina alterniflora, incluidos genes transportadores, de desarrollo y de crecimiento celular, lo que puede favorecer su capacidad para ocupar nichos distintos.
Diversos estudios han identificado variaciones en la expresión génica a lo largo del tiempo, el espacio y la distancia filogenética en entornos naturales. Métodos avanzados como el análisis Qst-Fst cuantifican el papel de la selección, la deriva o los cuellos de botella en la conformación de los patrones de expresión. La combinación de recursos de cría en cautividad (por ejemplo, mapas genéticos) con el muestreo de poblaciones naturales mejora nuestra capacidad para descubrir las fuerzas que impulsan la diversidad de la expresión génica, especialmente en poblaciones divergentes o de reciente divergencia.
3.3. Variación de la expresión génica en respuesta a estímulos ambientales
Entender cómo responden los organismos a los estímulos ambientales, incluidos los estresores abióticos y bióticos, es fundamental en el contexto del cambio climático. La transcriptómica en entornos naturales ha demostrado que incluso cambios ambientales menores pueden afectar significativamente a la expresión génica, revelando interacciones GxE y los mecanismos moleculares de la plasticidad fenotípica. Por ejemplo, estudios en A. thaliana y otras especies han demostrado que factores ambientales como la temperatura, las precipitaciones y el estrés osmótico influyen en la variación transcripcional a lo largo de las fases de desarrollo.
La coherencia y el momento del muestreo son vitales para obtener datos transcriptómicos fiables. La expresión génica es sensible a las variables temporales y ambientales, por lo que requiere una manipulación y conservación cuidadosas, así como tener en cuenta los tiempos de muestreo para evitar la degradación del ARN o los efectos de lote. Sin embargo, los ensayos transcriptómicos sólo proporcionan una «instantánea» de la expresión génica, por lo que es necesario realizar estudios temporales para captar los procesos reguladores dinámicos, aunque pueden resultar costosos. Enfoques alternativos como la qPCR para genes candidatos ofrecen una forma más práctica de seguir los cambios temporales.
La incorporación de datos sobre el cambio climático a la transcriptómica ecológica ayuda a identificar los impulsores de la variación de la expresión génica, como la temperatura y los niveles de CO2. Estudios sobre cultivos como el arroz y la soja han modelizado las respuestas transcripcionales a los factores climáticos, revelando conocimientos que podrían aplicarse también a las poblaciones silvestres. Métodos avanzados, como el PCA y el análisis de regresión, aumentan nuestra capacidad de vincular los cambios transcripcionales a contextos ecológicos, mejorando las predicciones de las respuestas de las especies al cambio climático y a los factores de estrés ambiental.
3.4. Relación entre expresión génica y fenotipo
Para que la expresión génica desempeñe un papel funcional en la ecología, debe afectar al fenotipo. Pocos estudios han confirmado la relación causal entre los elementos funcionales y el fenotipo mediante ensayos adicionales basados en proteínas o metabolismo, eliminando genes de interés o mediante la expresión transgénica de genes de interés (Tabla 2.4).
Tcapaz 2.4 Estudios y avances clave en transcriptómica ecológica: De la diferenciación fenotípica a los vínculos causales de expresión génica
| Categoría | Organismo | Principales resultados | Referencia |
| Fenotipos alternativos | C. clupeaformis (lago whitefish) | El análisis de redes de coexpresión reveló módulos génicos divergentes en tejidos cerebrales y musculares de formas normales y enanas | Filteau et al., 2013 |
| Perturbaciones medioambientales | F. grandis
(killifish del golfo) |
Tras el vertido de petróleo, > 1.500 genes expresados diferencialmente y morfología de las branquias alterada; cyp1a vinculado a problemas de desarrollo. | Whitehead et al., 2011 |
| Adaptación al estrés | S. cerevisiae (levadura) | Cambios adaptativos en el fitness bajo estrés salino vinculados a un SNP y a diferencias en el tamaño del genoma, revelando la evolución de la expresión en la adaptación al estrés | Dhar et al., 2011 |
| Transcriptómica ecológica avanzada | S. cerevisiae (levadura) | Los knockouts de genes confirman relaciones casuales entre redes de expresión y rasgos | Zhu et al., 2008 |
Para avanzar en la transcriptómica ecológica, es crucial ir más allá de las correlaciones entre la expresión génica y la variación de rasgos mediante la incorporación de técnicas de manipulación. Herramientas emergentes como el ARNi y CRISPR/Cas ya se han aplicado a modelos no tradicionales y podrían ampliarse a especies ecológicamente relevantes que no son modelos. Con estos enfoques, la transcriptómica ecológica pasaría de ser un estudio descriptivo a convertirse en un estudio de elucidación de procesos, lo que mejoraría nuestra comprensión de las vías genéticas y su diversificación entre taxones, a la vez que aportaría información a la teoría ambiental y evolutiva.
4. RETOS Y PERSPECTIVAS DE LA TRANSCRIPTÓMICA DEL PAISAJE
4.1. Recopilación, análisis y explicación de datos transcriptómicos de entornos naturales.
Aunque la transcriptómica del paisaje puede abordar diversas cuestiones, cada una con sus consideraciones, se plantean varios retos generales, como la estocasticidad ambiental y la variación individual, que complican el aislamiento de los efectos ambientales sobre la transcripción. Factores como los ritmos circadianos, la edad de desarrollo, el sexo, el estado reproductivo y las condiciones inmunitarias o de enfermedad pueden oscurecer las respuestas ambientales. Controlar estas variables estadísticamente o durante el muestreo requiere muestras de mayor tamaño y costes más elevados. Sin embargo, el coste de la secuenciación sigue bajando.
Las respuestas transcripcionales de las poblaciones pueden variar, lo que requiere una buena replicación a través de transectos o gradientes. Las estrategias de muestreo deben equilibrar las ventajas y desventajas: dar prioridad a los lugares para las cuestiones relacionadas con el paisaje o a los individuos para la variación dentro del lugar. Los estudios de simulación pueden ayudar a afinar estos equilibrios.
La agrupación de muestras hace hincapié en las medias poblacionales, pero resta importancia a la variación individual, lo que resulta adecuado para algunas cuestiones, pero no para todas. La reducción de los costes de secuenciación mejora la viabilidad de los estudios, pero los diseños deben ajustarse a las especies y a los objetivos de la investigación, garantizando una replicación adecuada y la representación del gradiente.
En resumen, la mejor manera de muestrear para los estudios transcriptómicos del paisaje es una cuestión abierta y no trivial que dependerá en gran medida de la pregunta del estudio y de las especies de interés. A continuación, se resumen algunas cuestiones y consideraciones específicas relacionadas con la transcriptómica del paisaje.
4.2. La expresión génica como proceso temporal
La mayoría de los organismos han desarrollado ritmos biológicos para adaptarse a los cambios temporales del entorno, regulando el comportamiento, la fisiología y la expresión génica. Los ritmos circadianos de expresión génica se encuentran en una amplia gama de taxones, desde procariotas hasta plantas, hongos y animales. Por ejemplo, los mejillones intermareales y los corales constructores de arrecifes modulan su expresión génica en respuesta a los ritmos circadianos y de las mareas y a los ciclos estacionales y lunares. Estos hallazgos subrayan la necesidad de realizar experimentos que tengan en cuenta los cambios ambientales temporales en las distintas regiones geográficas.
La escala es fundamental en la ecología del paisaje. El paisaje hace hincapié en la heterogeneidad espacial, donde el concepto de «paisaje» varía según el tamaño del organismo y su capacidad de dispersión. Los entornos de paisajes pequeños, como los de los microbios, ofrecen modelos experimentales para estudiar la transcriptómica del paisaje relevante tanto para los microbios como para los organismos de mayor tamaño.
4.3. Respuestas específicas de tejido y estudios transcriptómicos
Al realizar estudios en organismos pluricelulares, otra consideración esencial es la elección del tejido. Las diferencias en la expresión génica específicas de cada tejido pueden ser sustanciales y variar de una población a otra. Por ejemplo, en un estudio sobre el pez mata del Atlántico, Fundulus heteroclitus, el 76% de los genes metabólicos se expresaban de forma diferente en los tejidos del cerebro, el corazón y el hígado. De ellos, sólo el 31% de las diferencias específicas de cada tejido coincidían en su expresión entre peces procedentes de tres poblaciones de la costa este de Estados Unidos. Incluso dentro de un mismo órgano, las diferencias entre los tipos celulares de ese tejido pueden ser sustanciales. Por lo tanto, es necesario evaluar cuidadosamente qué tejido se elige y reconocer los límites de inferencia creados por esa elección.
4.4. El futuro de la transcriptómica del paisaje
Los microarrays fueron el método dominante para la cuantificación de la transcripción del genoma completo durante una década, pero el uso de RNAseq ha aumentado recientemente, sobre todo en especies sin recursos genómicos previos. Los microarrays, aunque menos comunes, siguen siendo valiosos en el diseño de estudios, por ejemplo, para estudiar la respuesta a estímulos y los patrones de expresión génica, sobre todo si ya se dispone de ellos. La combinación de microarrays y RNAseq puede poner a prueba patrones globales de expresión génica en poblaciones naturales.
Los mecanismos epigenéticos, como la metilación del ADN, pueden influir en la expresión génica en respuesta a factores ambientales. Mientras que las diferencias en la secuencia del ADN pueden depender del contexto, la metilación del ADN es más susceptible a la influencia ambiental, y los entornos naturales pueden revelar perfiles de metilación alternativos que no se ven en experimentos controlados. La combinación de RNAseq con ensayos de metilación del ADN puede proporcionar una visión más profunda de la arquitectura genética de las respuestas ambientales en estudios a escala de paisaje.
La proteómica complementará los estudios transcriptómicos vinculando la expresión génica a productos proteínicos funcionales, lo que ayudará a comprender mejor cómo los factores de estrés ambiental se traducen en cambios fenotípicos a escala del paisaje.
5. CONCLUSIÓN
La transcriptómica del paisaje combina la genómica funcional con la ecología del paisaje para entender cómo responden los organismos a los cambios en los factores ambientales a nivel molecular a través de diversos gradientes espaciales y temporales. Este campo ha evolucionado rápidamente en la última década, utilizando tecnologías como RNAseq y microarrays para medir la expresión génica en poblaciones silvestres. Este enfoque revela las interacciones entre genes y medio ambiente, arrojando luz sobre la adaptación a factores de estrés y cambios ambientales, lo que resulta crucial en el contexto del cambio climático.
Sin embargo, siguen existiendo dificultades, especialmente en el caso de especies no modelo que carecen de recursos genómicos. La investigación futura probablemente combinará la transcriptómica con la proteómica y la epigenética para comprender mejor las respuestas ambientales. Esta integración será clave para entender cómo se adaptan los organismos a su entorno y para fundamentar las estrategias de conservación de las especies. La transcriptómica del paisaje ofrece una valiosa perspectiva de los procesos ecológicos y evolutivos, lo que la convierte en una herramienta prometedora para los esfuerzos de conservación y gestión.
La proteómica complementará los estudios transcriptómicos vinculando la expresión génica a productos proteínicos funcionales, lo que ayudará a comprender mejor cómo los factores de estrés ambiental se traducen en cambios fenotípicos a escala del paisaje.
Organismos modelo tradicionales como Mus musculus, Saccharomyces cerevisiae, Drosophila melanogaster y A. thaliana se benefician de amplios recursos genómicos, incluidas anotaciones de genes e interacciones previstas. Sin embargo, los ecólogos suelen estudiar organismos no modelo que carecen de estos recursos. Los investigadores se basan en las anotaciones del pariente modelo más cercano, pero la divergencia genética puede hacer que estas anotaciones sean inexactas. Incluso en los organismos modelo, genomas enteros siguen sin estar completamente anotados. El desarrollo de bases de datos genómicos específicas para cada especie y la mejora de las anotaciones serán cruciales para avanzar en los estudios transcriptómicos del paisaje.
6. REFERENCIAS
Alneberg, J., Bennke, C., Beier, S., Bunse, C., Quince, C., Ininbergs, K., Riemann, L., et al. (2020). Ecosystem-wide metagenomic binning enables prediction of ecological niches from genomes. Communications Biology, 3(1), 119. https://doi.org/10.1038/s42003-020-0856-x
Alvarez, M., Schrey, A. W., & Richards, C. L. (2015). Ten years of transcriptomics in wild populations: What have we learned about their ecology and evolution? Molecular Ecology, 24(4), 710–725. https://doi.org/10.1111/mec.13055
Campbell-Staton, S. C., Bare, A., Losos, J. B., Edwards, S. V., & Cheviron, Z. A. (2018). Physiological and regulatory underpinnings of geographic variation in reptilian cold tolerance across a latitudinal cline. Molecular Ecology, 27(9), 2243–2255. https://doi.org/10.1111/mec.14580
Campbell-Staton, S. C., Cheviron, Z. A., Rochette, N., Catchen, J., Losos, J. B., & Edwards, S. V. (2017). Winter storms drive rapid phenotypic, regulatory, and genomic shifts in the green anole lizard. Science, 357(6350), 495–498. https://doi.org/10.1126/science.aam5512
Campbell-Staton, S. C., Winchell, K. M., Rochette, N. C., Fredette, J., Maayan, I., Schweizer, R. M., & Catchen, J. (2020). Parallel selection on thermal physiology facilitates repeated adaptation of city lizards to urban heat islands. Nature Ecology & Evolution, 4, 652–658. https://doi.org/10.1038/s41559-020-1131-8
Chelaifa, H., Mahe, F., & Ainouche, M. (2010). Transcriptome divergence between the hexaploid salt-marsh sister species Spartina maritima and Spartina alterniflora (Poaceae). Molecular Ecology, 19(10), 2050–2063. https://doi.org/10.1111/j.1365-294X.2010.04637.x
Colbourne, J. K., Pfrender, M. E., Gilbert, D., Thomas, W. K., Tucker, A., Oakley, T. H., Tokishita, S., Aerts, A., Arnold, G. J., Basu, M. K., Bauer, D. J., Cáceres, C. E., Carmel, L., Casola, C., Choi, J.-H., Detter, J. C., Dong, Q., Dusheyko, S., Eads, B. D., … Boore, J. L. (2011). The Ecoresponsive Genome of Daphnia pulex. Science, 331(6017), 555–561. https://doi.org/10.1126/science.1197761
Connor, K. M., & Gracey, A. Y. (2011). Circadian cycles are the dominant transcriptional rhythm in the intertidal mussel Mytilus californianus. Proceedings of the National Academy of Sciences, 108(38), 16110–16115. https://doi.org/10.1073/pnas.1111076108
Dowen, R. H., Pelizzola, M., Schmitz, R. J., Lister, R., Dowen, J. M., Nery, J. R., Dixon, J. E., & Ecker, J. R. (2012). Widespread dynamic DNA methylation in response to biotic stress. Proceedings of the National Academy of Sciences, 109(32). https://doi.org/10.1073/pnas.1209329109
Keagy, J., Drummond, C. P., Gilbert, K. J., Grozinger, C. M., Hamilton, J., Hines, H. M., Lasky, et al. (2023). Landscape transcriptomics as a tool for addressing global change effects across diverse species. Molecular Ecology Resources, 1755-0998.13796. https://doi.org/10.1111/1755-0998.13796
Leakey, A. D. B., Ainsworth, E. A., Bernard, S. M., Markelz, R. J. C., Ort, D. R., Placella, S. A., Rogers, A., Smith, M. D., Sudderth, E. A., Weston, D. J., Wullschleger, S. D., & Yuan, S. (2009). Gene expression profiling: Opening the black box of plant ecosystem responses to global change. Global Chnge Biology, 15(5), 1201–1213. https://doi.org/10.1111/j.1365-2486.2008.01818.x
Nagano, A. J., Sato, Y., Mihara, M., Antonio, B. A., Motoyama, R., Itoh, H., Nagamura, Y., & Izawa, T. (2012). Deciphering and Prediction of Transcriptome Dynamics under Fluctuating Field Conditions. Cell, 151(6), 1358–1369. https://doi.org/10.1016/j.cell.2012.10.048
Rees, B. B., Andacht, T., Skripnikova, E., & Crawford, D. L. (2011). Population Proteomics: Quantitative Variation Within and Among Populations in Cardiac Protein Expression. Molecular Biology and Evolution, 28(3), 1271–1279. https://doi.org/10.1093/molbev/msq314
Richards, C. L., Rosas, U., Banta, J., Bhambhra, N., & Purugganan, M. D. (2012). Genome-Wide Patterns of Arabidopsis Gene Expression in Nature. PLoS Genetics, 8(4), e1002662. https://doi.org/10.1371/journal.pgen.1002662
Semeniuk, C. A. D., Jeffries, K. M., Li, T., Bettles, C. M., Cooke, S. J., Dufour, B. A., Halfyard, E. A., Heath, J. W., Keeshig, K., Mandrak, N. E., Muir, A. J., Postma, L., & Heath, D. D. (2022). Innovating transcriptomics for practitioners in freshwater fish management and conservation: Best practices across diverse resource-sector users. Reviews in Fish Biology and Fisheries, 32, 921–939.
Seyfferth, C., Renema, J., Wendrich, J. R., Eekhout, T., Seurinck, R., Vandamme, N., Blob, B., Saeys, Y., Helariutta, Y., Birnbaum, K. D., & De Rybel, B. (2021). Advances and Opportunities in Single-Cell Transcriptomics for Plant Research. Annual Review of Plant Biology, 72(1), 847–866. https://doi.org/10.1146/annurev-arplant-081720-010120
Supplitt, S., Karpinski, P., Sasiadek, M., & Laczmanska, I. (2021). Current Achievements and Applications of Transcriptomics in Personalized Cancer Medicine. International Journal of Molecular Sciences, 22(3), 1422. https://doi.org/10.3390/ijms22031422
Swenson, N. G. (2012). The Functional Ecology and Diversity of Tropical Tree Assemblages through Space and Time: From Local to Regional and from Traits to Transcriptomes. ISRN Forestry, 2012, 1–16. https://doi.org/10.5402/2012/743617
Swenson, N. G., & Jones, F. A. (2017). Community transcriptomics, genomics and the problem of species co‐occurrence. Journal of Ecology, 105(3), 563–568. https://doi.org/10.1111/1365-2745.12771
Wagner, T., Fergus, C. E., Stow, C. A., Cheruvelil, K. S., & Soranno, P. A. (2016). The statistical power to detect cross‐scale interactions at macroscales. Ecosphere, 7(7), e01417. https://doi.org/10.1002/ecs2.1417
Whitehead, A., & Crawford, D. L. (2005). Variation in tissue-specific gene expression among natural populations. Genome Biology, 6(2), R13. https://doi.org/10.1186/gb-2005-6-2-r13
Whitehead, A., Dubansky, B., Bodinier, C., Garcia, T. I., Miles, S., Pilley, C., Raghunathan, V., Roach, J. L., Walker, N., Walter, R. B., Rice, C. D., & Galvez, F. (2012). Genomic and physiological footprint of the Deepwater Horizon oil spill on resident marsh fishes. Proceedings of the National Academy of Sciences, 109(50), 20298–20302. https://doi.org/10.1073/pnas.1109545108
Whitehead, A., Zhang, S., Roach, J. L., & Galvez, F. (2013). Common functional targets of adaptive micro- and macro-evolutionary divergence in killifish. Molecular Ecology, 22(14), 3780–3796. https://doi.org/10.1111/mec.12316
Whitham, T. G., Bailey, J. K., Schweitzer, J. A., Shuster, S. M., Bangert, R. K., LeRoy, C. J., Lonsdorf, E. V., Allan, G. J., DiFazio, S. P., Potts, B. M., Fischer, D. G., Gehring, C. A., Lindroth, R. L., Marks, J. C., Hart, S. C., Wimp, G. M., & Wooley, S. C. (2006). A framework for community and ecosystem genetics: From genes to ecosystems. Nature Reviews Genetics, 7(7), 510–523. https://doi.org/10.1038/nrg1877
Wuitchik, D. M., Wang, D., Pells, T. J., Karimi, K., Ward, S., & Vize, P. D. (2019). Seasonal temperature, the lunar cycle and diurnal rhythms interact in a combinatorial manner to modulate genomic responses to the environment in a reef‐building coral. Molecular Ecology, 28(16), 3629–3641. https://doi.org/10.1111/mec.15173
