Computación Celular - Departamento de Sistemas Informáticos

ASIGNATURA: BIO-INFORMÁTICA
COMPUTACIÓON
CELULAR
APLICACIONES DE LA
BIO-TECNOLOGIA
EN INFORMÁTICA
POR: Fº JAVIER CONEJERO BAÑÓN
1
INDICE:
Introducción ...................................................................................................... 3
Definiciones ...................................................................................................... 4
Bio-tecnología ................................................................................... 4
Bio-computación ............................................................................... 4
Historia ............................................................................................................. 5
Computación celular ......................................................................................... 6
Aplicaciones futuras .......................................................................... 7
Desarrollo de computadores ADN a nanoescala .............................................. 9
Tipos de manipulaciones ................................................................... 9
Unidades de computación primarias ................................................. 9
Adleman ............................................................................. 9
Rothemund-Shapiro ............................................................ 10
Tiling .................................................................................. 10
Ribozyme ............................................................................ 11
Paun .................................................................................... 11
Un evaluador lógico universal (que opera en células de mamíferos) ............... 12
1ª aproximación ................................................................................. 12
2ª aproximación ................................................................................. 13
Conclusión ......................................................................................... 17
Paralelismo con las FPGAs .............................................................................. 19
Historia .............................................................................................. 19
Arquitectura ....................................................................................... 19
Imágenes y esquemas ........................................................................ 20
La Bio-tecnología en España ............................................................................ 21
Conclusión ........................................................................................................ 22
Glosario ............................................................................................................ 22
Bibliografía ....................................................................................................... 23
2
INTRODUCCIÓN
Este trabajo trata sobre la Bio-Informática y la implicación de la informática en
éste área de la ciencia.
Como punto fuerte de este trabajo, tratará sobre cómo es posible construir un
evaluador lógico universal utilizando como elemento básico células de mamíferos, más
concretamente, células humanas. Este tema es realmente novedoso y actual, puesto que
ha sido recientemente expuesto a la sociedad y está en estos momentos en investigación
y desarrollo. Los avances de esta investigación abren muchas puertas a nuevos
tratamientos para la detección y cura de enfermedades.
Aunque la bio-informática es una materia interdisciplinar, es decir, tiene muchas
ramas de conocimiento implicadas, como son:
- Microbiología
- Bioquímica
- Genética
- Biología celular
- Química
- Ingeniería (bio)química
- Ingeniería mecánica
- Ciencia y tecnología de alimentos
- Electrónica
- Informática
El avance de la biotecnología dependerá cada vez más de la colaboración de estas
disciplinas, y en el uso de lenguajes y paradigmas comunes, así como en que cada tipo
de especialista comprenda los logros y limitaciones de las demás ramas biotecnológicas.
3
DEFINICIONES
BIO-TECNOLOGIA
La biotecnología se refiere a cualquier aplicación tecnológica que utilice
sistemas biológicos y organismos vivos o sus derivados para la creación o modificación
de productos o procesos para uso específico.
Convention on Biological Diversity (Article 2. Use of Terms)." United Nations. 1992.
Otra definición es:
"La utilización de organismos vivos, o partes de los mismos, para obtener o
modificar productos, mejorar plantas o animales o desarrollar microorganismos para
objetivos específicos".
Fuente: Sociedad Española de Biotecnología.
BIO-COMPUTACIÓN
Área de la Bio-Informática, que incluye el desarrollo y utilización de sistemas
computacionales basados en modelos y materiales biológicos (biochips, biosensores,
computación basada en ADN, entre otros). Las computadoras basadas en DNA
(computadores ADN) se están empleando para la secuenciación masiva y la detección
de diversas enfermedades, a partir de la explotación del procesamiento paralelo
implícito.
Dentro de la Bio-Computación en la Bio-Informática se encuentran 2 áreas:
 El desarrollo e implementación de herramientas que permitan el acceso,
uso y manejo de varios tipos de información.
 La creación de nuevos algoritmos (fórmulas matemáticas) y estadísticos
con los que se pueden relacionar partes de un conjunto enorme de datos
como, por ejemplo, métodos para localizar un gen dentro de una
secuencia, predecir la estructura o función de distintas proteínas y
agrupar secuencias de proteínas en familias relacionadas.
4
HISTORIA
La computación celular es un campo con una reciente aparición. Pero es
importante citar que no se habría sido capaz de llegar a ella sin investigaciones previas
en bio-tecnología.
La historia de la computación celular comienza en 1994 y los hitos más
importantes que se han producido hasta ahora son:
1. 1994 – Leonard Aldeman inventa un computador ADN capaz de
resolver problemas matemáticos básicos.
2. 2003 – Ehud Shapiro desarrolla un proceso por el cual las
enzimas Fork-I y Ligasa cortan ADN en diferentes longitudes
basado en la presencia de diferentes sustancias químicas.
3. 2007 – Yaakov Benenson y su equipo de trabajo desarrollan un
sistema para construir evaluadores lógicos basados en RNAi
universales que operan en células de mamíferos.
Y las expectativas de futuro de este ámbito son:
4. ~2010-2016 – Avances en sensores invasivos, implantables,
eficientes y miniaturizados para monitorizar constantes vitales y
la salud.
5. ~2020 – Red de información inalámbrica móvil de 4ª Generación
ubicua permitirá a los computadores a transferir información
inalámbricamente a los servicios de emergencia y hospitales.
6. ~2021 – Métodos de detección temprana de mRNA (RNA
mensajero) asociado al cáncer permitirán una aplicación más
efectiva de técnicas de tratamiento del cáncer.
7. ~2027 – Desarrollo de un dispositivo de extracción de ADN
celular automático y mecanizado.
8. ~2029 – Miniaturización y perfeccionamiento de computadores
con suficiente capacidad de procesamiento para decodificar y
procesar cadenas de ADN.
9. ~2031 – Biocomputadores ADN.
Gráficamente:
5
COMPUTACIÓN CELULAR
La computación con ADN nació en 1994 cuando Leonard M. Aldeman,
científico de computadores de la Universidad de California manipuló ADN para
resolver un problema matemático. Se avanzó en este campo en 2001 por parte de Ehud
Shapiro del Instituto Weizmann de Israel, cuando fue capaz de utilizar moléculas de
ADN como nanocomputadores biomoleculares de manera rudimentaria, para
diagnosticar cánceres.
Fundamentalmente, la computación con ADN pone de manifiesto que las células
humanas y los computadores tienen la capacidad de almacenar y procesar la
información de manera similar. Los computadores almacenan la información en series
de unos y ceros, y el ADN lo hace en función de la colocación de sus bases (adenina,
guanina, timina y citosina). Como se observa en la siguiente imagen:
Una de las razones más importantes por la que los computadores ADN son los
computadores internos más exitosos es por las capacidades tan avanzadas del ADN. El
ADN puede replicarse extremadamente rápido y eficientemente, dándole a los
biocomputadores gran capacidad para transferir grandes cantidades de datos y también
una capacidad inmensa de memoria, aproximadamente 100 veces mayor que los
computadores de hace dos décadas. Además, estos enormes almacenes de información
se contienen en un volumen muy pequeño, donde una cucharada puede contener 15 mil
trillones de computadoras. Finalmente, los computadores ADN tienen una magnifica
habilidad para procesar varios cálculos paralelamente, casi 109 cálculos por mL de ADN
6
por segundo, de una manera altamente eficiente energéticamente, más de un millón de
veces más eficiente que los computadores de antaño.
APLICACIÓNES FUTURAS
Esta es la aplicación que se espera dar a los bio-computadores dentro de unos
años, siguiendo el grafico anterior de la historia de la biocomputación, y es un ejemplo
de una de las motivaciones que llevan a los investigadores a desarrollar este campo.
La función más común de los nanocomputadores es la de monitorizar varias
funciones del cuerpo humano, como el ritmo cardiaco (normalmente hecho a través de
electrodos en el corazón), la presión sanguínea (normalmente con la incorporación de
un sensor de presión arterial), el nivel de azúcar en sangre y la temperatura corporal. En
un futuro se espera que, los avances en tecnología de biocomputadores añadirán
capacidad para hacer seguimiento de la composición sanguínea, midiendo el número de
células sanguíneas y otras células, y los niveles de oxigeno y carbón de manera similar.
El nanocomputador ADN también se espera que sea capaz de hacer un seguimiento del
deterioro de órganos y la extensión del cáncer, ambos a través de la monitorización de
células y la presencia de cepas relacionadas con el cáncer en el mRNA (ARN
mensajero) de la zona. Todas estas condiciones deben ser reguladas para garantizar una
vida sana, y deben ser especialmente monitorizados en enfermos y ancianos.
Actualmente los diabéticos deben testearse ellos mismos de vez en cuando para
comprobar el nivel de azúcar en sangre. Los biocomputadores no solo aumentaran la
precisión de los procedimientos de testeo, sino que también seguirán los niveles de
glucosa continuamente, sin la dificultad de una aguja.
Al igual que los sensores recogen información en el cuerpo, ellos la transfieren
en el cuerpo de un computador ADN, localizado en el pecho, donde diagnostica
cualquier irregularidad corporal. Gracias a la capacidad de memoria de los
computadores ADN, una base de datos de enfermedades y cuestiones de salud puede ser
almacenada en menos espacio que una gota de agua. Esta capacidad de memoria, más
de 10 terabytes de datos por centímetro cúbico de ADN, es algo que en estos momentos
es imposible, pero que se espera que sea una realidad dentro de 25 años. Una vez que
los sensores han transferido la información a el computador, es fácil para él asociar los
síntomas con todas las irregularidades medicas conocidas, y presentar un diagnostico de
alguna enfermedad o dolencia. Avances modernos en la velocidad de cálculo han hecho
esto posible. Actualmente el hecho de asociar los síntomas a las enfermedades requiere
bastantes horas, pero con la computación ADN se espera que el diagnostico se consiga
en unos segundos.
Una vez que el diagnostico esté hecho, será transferido a una unidad central,
localizada en un reloj de pulsera.
El proceso es el siguiente: Primero, en el computador ADN (situado en el
pecho), el ADN se corta gracias a diferentes enzimas en un código, que refleja los
síntomas corporales capturados, y diagnostica. Este código fue creado en 2003 por el
Dr. Shapiro, el cual fue el primero en usar enzimas Fork-I y Ligasa para cortar ADN
con diferentes longitudes, dependiendo de diferentes síntomas y diagnósticos. Una vez
que el ADN está codificado, el computador transmite la información del diagnostico a
trabes del cuerpo al lugar donde está el reloj. El reloj recoge células de la superficie del
7
cuerpo, que contienen la información. Dentro del reloj, se lee el código ADN, y se
convierte a un formato legible y entendible por el ser humano. Una vez que está hecha
esta conversión, en el reloj se pueden mostrar las condiciones corporales internas, así
como advertencias cuando la homeostasis se interrumpa, o cuando una enfermedad es
diagnosticada.
Modelos de relojes de pulsera más evolucionados
tendrán la capacidad de contacto inalámbrico con servicios
de emergencia si un individuo está en serio peligro médico.
Además, el historial medico completo del individuo puede
ser grabado y mantenido en el reloj para acceder los
hospitales y médicos, desterrando para siempre los
historiales médicos inexactos e incompletos.
Se espera que esto
aproximadamente en el año 2031.
se
haga
8
realidad
DESARROLLO DE COMPUTADORES ADN A
NANO-ESCALA
Desde 1994 hasta 2001 hay docenas de publicaciones en las revistas Science,
Nature y otras, demostrando como moléculas de ADN afrontan problemas NP que se
cree que son difíciles de resolver en ordenadores electrónicos convencionales. En 2001,
el grupo de Shapiro publicó un artículo mostrando que las moléculas de ADN pueden
trabajar como maquinas de computación Turing. El tamaño de la maquina podría ser tan
pequeña como de 10nm de largo y 3 nm de ancho, el dispositivo de computación
molecular más pequeño en el mundo.
En los niveles tecnológicos de manipulación de ADN, la computación ADN no
proporciona ventajas sobre los computadores electrónicos, por ejemplo, cuando
codificamos tareas con moléculas de ADN para el problema HPP de Adleman, si n es
igual a 100, la cantidad de ADN necesaria seria mayor que el peso de la tierra. No hay
suficiente espacio para mejorar el algoritmo para hacer que el número de moléculas de
ADN sea prácticamente pequeño. En esta etapa, algunas personas han comenzado a
preocuparse sobre las direcciones del estudio de la computación ADN. Sin embargo, en
otros subcampos de la computación ADN se han hecho grandes progresos.
Tipos de manipulaciones moleculares básicas para
computación ADN
Hay dos tipos principales:
- Hibridación simple: Es la forma básica de la actividad del ADN. Fusión de
dos células de distinta estirpe para dar lugar a otra de características mixtas
- Tratamiento enzimático: Es la manera de operar con diferentes formas de
ADN.
Si se investiga los estados del ADN en todos los enfoques de computación ADN,
está claro que la hibridación/deshibridación está en todos lados, no importa si los
fragmentos de ADN se mantienen en cadenas simples (ssDNA) o en cadenas
dobles (dsDNA).
Unidades de computación primarias
En la actualidad, podemos encontrar varias unidades de computación, cada una
de las cuales es conocida por el nombre de su investigador (o descubridor) y que se
caracterizan por tener un tratamiento diferente para cada una de ellas. Siendo todas un
acercamiento a las unidades de computación pero con diferencias importantes en su
estructura y funcionamiento. Y estas unidades son:
Unidad Adleman
Adleman usa cortos oligonucleotidos para codificar problemas matemáticos. El
proceso de computación está principalmente realizado en forma de hibrización. La
9
ligación y otros pasos de manipulación molecular se usan para una abstracción de
salida. La respuesta correcta se esconde en una gran cantidad de diferentes resultados de
hibridación. Problemas matemáticos específicos supondrán requerimientos específicos
en las secuencias de ADN, La mayoría de las secuencias de ADN pueden ser diseñadas
cuantitativamente usando algunos softwares.
No es fácil usar la unidad Adleman para codificar problemas de computación
específicos. Normalmente los algoritmos, o manipulaciones de ADN recombinante,
puede ser bastante compleja, aunque cada paso de esas manipulaciones es relativamente
sencillo. Cuando se codifican problemas simples, el cálculo puede ser hibridizado en un
paso, como un proceso de auto-montaje simplificado; pero cuando se codifica de
manera relativamente compleja, algunos pasos de tratamiento de ADN enzimáticos
serán complicados.
Aunque el esquema de computación ADN de Adleman puede ser todavía difícil para
resolver problemas NP de manera práctica, sus experimentos son la primera
demostración que la bio-computación es posible, destacando un camino para la
computación molecular a seguir.
Unidad Rothemund-Shapiro
Benenson y sus colaboradores publicaron otro estudio pionero en el cual un
autómata ADN programable y autónomo es creado. Ellos usan cadenas dobles de ADN
como entradas, endonucleasa y ligasas ADN como hardware, moléculas de transición
como software, así pueden un autómata finito molecular de dos estados con una entrada
de dos símbolos, ocho reglas de transición y 765 programas distintos sintacticamente.
Antes del trabajo de Benenson, Rothemund propuso ideas similares. Esto es una unidad
de computación ADN similar a una maquina de Turing. En sus sistemas de
computación, el volumen de una gota de agua tiene billones de computadores
moleculares; cada uno de esos computadores moleculares puede ser tratado como una
unidad Rothemund-Shapiro. Parece que no se han preocupado mucho en si estas
unidades pueden tener potencia para desarrollar dispositivos de computación ADN
universales, pero esto es verdaderamente un autómata muy especial. Como indicó
Shapiro, sus sistemas de computación ADN pueden ser aplicados directamente en el
análisis de patrones de expresión de genes que son de enfermedades específicas, y es
sensible de desarrollar otras aplicaciones biomédicas.
Al principio, las unidades Rothemund-Shapiro consistían en entradas ADN, enzimas
(enzimas de restricción y ligasas), moléculas de transición, moléculas reporter (o
informativos) y un sistema de buffer, pero ahora la unidad ha evolucionado en una
sistema sin ligasas. Además se espera desarrollar una unidad sin enzimas en un futuro
cercano.
Unidad Tiling
El grupo de Seeman ha estado haciendo un estudio de montaje de ADN desde
hace veinte años, pero la capacidad de computación del montaje de ADN surgió hace
pocos años atrás. Algunos científicos hicieron sus contribuciones al montaje de ADN
como un régimen de computación. Junto con Reif y con el trabajo de Winfree, el
montaje de ADN se ha convertido en una de las direcciones más importantes a seguir
por la computación ADN. Por su capacidad de computación universal, el montaje de
ADN proporciona otra vía para el desarrollo de computadores ADN universales.
10
La computación ADN por automontaje es básicamente un proceso en array, y los tipos
de cada celda del array pueden variar mucho. Las celdas se pueden formar con varios
oligos de cadena simple (por ejemplo, dos tres, cuatro o cinco), y cada celda puede tener
diferentes finales de ADN para un número de combinaciones con otro igual o de
diferentes celdas. El array se puede diseñar de manera bidimensional o tridimensional, y
la escala del array debe ser controlable. En un futuro cercano, se pondrá mucho esfuerzo
en los dispositivos de computación ADN a nano escala fabricados por montaje. El
montaje de ADN puede ser completamente programado, aunque experimentos de
biología molecular son todavía un cuello de botella para el montaje a gran escala.
El montaje se refiere al proceso por el cual una macromolécula compleja (como un
colágeno) o un sistema supramolecular (como un virus) se ensambla espontáneamente
desde sus componentes.
Unidad Ribozyme (Ribozima)
Stojanovic fue pionero en la el área de investigación de unidades (deoxy)
ribozima. La (deoxy) ribozima es parte de un fragmento del ácido nucleico con una
estructura tridimensional única que tiene habilidad enzimatica para cortar
complementarios y específicos oligos como sustrato. Si otro oligo se combina con la
(deoxy) ribozima y le impide formar conformaciones enzimaticas, esta permanecerá
inactiva. Ellos encontraron que las ribozimas pueden ser manipuladas fácilmente como
puertas lógicas, además pueden imitar dispositivos de computación electrónica
convencionales y teóricamente desarrollar un sistema de computación ADN universal.
La unidad de computación ADN basada en ribozima puede ser extremadamente útil en
el diseño de dispositivos de computación lógica en el futuro.
Unidad Paun
La computación membranal puede ser considerada un sistema de computación
biológico único. Una célula es la unidad básica para un sistema de computación
membranal. Esta unidad no es una unidad de computación ADN, sin embargo, el
sistema de membrana proporciona otro tipo de celda de automontaje, y cada unidad
Paun puede mantener ADN en ella y puede ser capaz de trasladar moléculas de ADN
entre cada unidad en un futuro, por eso las unidades de Paun se tratan como unidades de
computación ADN diferentes.
En estos momentos, la unidad de Paun proporciona un acercamiento especifico
para afrontar computación biológica, además de para muchos estudios de
bioinformática. Además, la unidad Paun puede ser una herramienta para el estudio de
los patrones de ensamblaje biológicos a través de los cuales las células interactúan con
las demás para formar organismos multicelulares.
11
UN EVALUADOR LÓGICO UNIVERSAL (QUE
OPERA EN CELULAS DE MAMIFEROS)
Un autómata molecular es un sistema molecular manipulado unido a un entorno
(bio) molecular por “el flujo de mensajes de entrada y las acciones de los mensajes de
salida”, donde los mensajes de entrada son procesados por un “conjunto de elementos
intermedio”, esto es, un computador.
Los autómatas moleculares puede implementar diversos modelos de
computación (circuitos digitales y analógicos, maquinas de estados, redes neuronales)
para llevar a cabo diversas tareas.
En lo que sigue se muestra el diseño de una estructura de propósito general para
autómatas que usan evaluación lógica para tomar decisiones basados en las entradas
moleculares del entorno.
Los evaluadores lógicos moleculares han sido demostrado in vitro y en células
vivas. Y aunque los sistemas in vitro han demostrado cómo evaluar expresiones lógicas
arbitrarias experimentalmente, los sistemas en células vivas están (a fecha septiembre
de 2006) considerados teóricos.
Un evaluador lógico operando en un entorno molecular intracelular puede servir
con un circuito de toma de decisiones binario, esto es, provocar uno o dos procesos
discretos en respuesta a entradas de este entorno. La capacidad de decisión basada en
entradas endógenas para in vivo puede encontrar aplicaciones en investigación básica y
medicina, como en el diagnóstico del cáncer. Para dirigir esta cuestión, se remodelan las
reglas de toma de decisiones como expresiones lógicas que contienen las entradas
intracelulares como variables y construir un sistema molecular que produzca una salida
molecular cuando la expresión es evaluada, como true para entradas dadas (true cuando
están presente y false cuando ausentes).
Hay varios teóricamente equivalentes, pero prácticamente diferentes, maneras de
resolver las preguntas lógicas arbitrarias:
I. Una posibilidad es ser muy estricto con los módulos básicos. (por ejemplo, la
primera entrada debe ser True, la segunda debe ser False), pero conectando
estos módulos de manera menos estricta donde se consiga un resultado
positivo global. [Primera aproximación].
II. Otra posibilidad es ser menos estricto en los módulos básicos (por ejemplo, al
menos una entrada tiene que estar en un estado esperado), pero poner
exigencias estrictas en la combinación de módulos, requiriendo que todas las
respuestas sean positivas simultáneamente para dar una respuesta positiva
global. [Segunda aproximación].
Primera aproximación
Para construir un evaluador que se ajuste a la primera aproximación, hay que
construir un ‘circuito’ biológico que se componga de dos o más especies de mRNA que
codifiquen la misma proteína, pero que tengan diferentes regiones sin codificar. Esta
proteína es la salida del sistema. Una salida activa biológica puede funcionar con un
actuador. Si al menos una especie de mRNA es traducida, la salida resultante
representará un valor True lógico, implementando una operación OR (Figura 1a). Los
12
niveles de especies de mRNA y la salida son determinados por la presencia o ausencia
de las entradas moleculares endógenas con la ayuda de mediadores moleculares.
Las moléculas siRNA detectan regiones sin traducir y por lo tanto candidatos naturales
para esa mediación.
Por ejemplo, si primero fusionamos diferentes conjuntos de siRNAs en la tercera
región sin traducir (Untranslated region (UTR)) de las mRNAs, traduciendo las más
susceptibles a cualquiera de estas siRNAs. Siguientemente, se establecen enlaces
inhibidores selectivos entre las entradas endógenas y estas siRNAs. Todas las entradas
deben estar presentes a la vez para bloquear todas las siRNAs y generar una salida de
una mRNA, correspondiéndose con una operación lógica AND (Figura 2b). Además, si
por ejemplo, las entradas A y B bloquean las siRNAS que son el objetivo de una mRNA
y entradas X e Y que bloquean siRNAS que son objetivo de otra, el circuito generará
una salida cuando ambos A y B están presentes o cuando ambas X e Y están presentes.
Esto constituye la expresión lógica [(A AND B) OR (X AND Y)]. Si un enlace de
activación esta establecido, en vez de, la presencia o ausencia de una entrada bloqueará
o permitirá la producción de salida de la mRNA, respectivamente. En términos lógicos,
esto convierte a una negación de la entrada ‘valor true’ (Figura 1c). Entonces, la entrada
B activando s mediador siRNA cambia la expresión en [(A AND NOT(B)) OR (X AND
Y)]. Y una misma entrada puede bloquear una siRNA y activar otra, y aparecer en la
expresión ambas, como ella misma y como su negación.
Este acuerdo de variables de entradas y sus negaciones, conocidos como
literales, se conoce como una forma normal disyuntiva (DNF) (Figura 1d).
Segunda aproximación
Un circuito biológico que permite la segunda aproximación consta de especies
de mRNA que producen un factor de trascripción que reprime un gen de decodificación
de salida. Si el represor obtenido de una mRNA eficiente regula a la baja la salida, todas
las mRNAs deben ser eliminadas para generar la salida, de esta manera implementando
una operación lógica AND (Figura 2a). Como antes, se fusionan conjuntos de siRNA
diana en el tercer UTR del represor mRNAs. Sin embargo, al contrario que en el caso
anterior, aquí las entradas endógenas deben activar las siRNAs más que bloquearlas. Al
13
menos una siRNA de cada conjunto debe ser activada para eliminar toda represión
mRNAs y aliviar la represión (figura 2b), correspondiendo a un operación lógica OR.
Por ejemplo, si las entradas A y B activan las siRNAs que detecta una mRNA y la
entradas X e Y activan siRNAs que detectan otra, necesitaremos al menos que una de
las entradas A y B, y al menos que una de las entradas X e Y, estén presentes. En
términos lógicos, esto constituye la expresión [(A OR B) AND (X OR Y)]. Una entrada
que bloquea su mediador siRNA está negado en la expresión (Figura 2c).
Esto es un ejemplo de una expresión en forma normal conjuntiva (CNF) y el
circuito es un evaluador CNF (Figura 2d).
Las formas estándares DNF y CNF son particularmente útiles porque cualquier
condición lógica puede ser evaluada usando una representación DNF o CNF
correspondiente, y además, una representación puede ser más corta que la otra.
Experimentalmente se han implementado ambos tipos de evaluadores (tanto
DNF como CNF) en células renales embrionarias humanas inmortalizadas.
Transfeccionamos las células con los genes constituyendo los circuitos evaluadores,
también se añadió, o retuvo, moléculas siRNA mediadoras para reflejar la función
anticipada del modulo sensorial de acuerdo con la presencia o ausencia de entradas
apareciendo como variables en la expresión (Figura 2e). Y se ensayaron los niveles de
salida después de 48 horas. Para esta experimentación se eligieron derivativos de
conocidos siRNAs, y se construyeron cinco parejas de cadenas siRNA en secuencias
publicadas de genes no pertenecientes a mamíferos para representar hasta cinco
entradas:
 T1 de Renilla reniformis
 T2 de Renilla reniformis
 FF3 de Firefly luciferases
 FF4 de Firefly luciferases
14

SI 4 de Enhanced green fluorescent protein (eGFP)
Los sistemas multi-siRNA pueden mostrar interferencias entre moléculas
individuales. Se midió estas interferencias, utilizando derivativos ZsYellow con cadenas
individuales y el resultado fue que las interferencias eran insignificantes para este
conjunto de siRNAs.
Entonces se construyeron y testearon un numero de cláusulas de mRNA para los
evaluadores DNF, fusionando las cadenas siRNA en la tercera UTR del gen ZsYellow.
(Figura 3).
En un siguiente paso, se llevó a cabo la evaluación de los experimentos para las
expresiones completas tanto DNR como CNF. Se construyeron dos expresiones en
forma DNF:
D1: [(A AND B AND C) OR (D AND E)]
D2: [(A AND C AND E) OR (NOT(A) AND B)]
La misma siRNA (FF3) fue usada diferentemente en D1 y en D2, en una como variable
E y en la otra como variable negada NOT(A). Como resultado, las siRNAs T1 y FF3
nunca se aplicaban juntas durante la evaluación de D2. Entonces se testearon todas las
posibles asignaciones para valores verdaderos para las variables en cada expresión:
32 para D1 y 16 para D2 (Tabla 1a).
La distribución de los niveles de salida en ambas expresiones es la que se muestra a
continuación:
Demuestra una clara separación entre los grupos de salida False y True como se
requiere de un evaluador lógico, con una media de diferencias de 16 veces entre los
15
niveles de salida en los grupos True y False. La evaluación de la expresión D1, con
todas las variables siendo True y sin siRNAs presentes, resultó en más de dos veces la
salida de otros debido a la producción paralela de la salida de ambas cláusulas mRNAs.
Este valor alto es interpretado como True. En la expresión D2, se obtuvo una evaluación
False imperfecta, pero tras otros procesos más complejos de fusiones se consiguió
controlar su comportamiento.
El evaluador CNF (Tabla 1b) realiza una operación AND entre las cláusulas y
una operación OR entre cada cláusula. Sin embargo, actualmente el evaluador CNF es
cuantitativamente menos robusto que su homólogo DNF.
Se cuenta con una expresión rigurosa en una mano, y con la eficiencia en la regulación
decreciente por la siRNA en la otra, para mejorar su rendimiento.
Ese esquema de diseño permite la evaluación paralela de una expresión y su
negación. Esto puede mejorar el rendimiento general del sistema. Cuando dos salidas
anticorrelacionadas se producen en paralelo, su diferencia es un indicador mejor del
resultado del proceso que las salidas individuales.
16
CONCLUSIÓN
Este informe representa un paso hacia los autómatas moleculares programables
capaces de tomar decisiones in vivo, por la implementación de un núcleo de
computación que evalúa expresiones lógicas en forma estándar. Estas formas, evaluadas
usando circuitos lógicos de dos niveles, pueden suponer un aumento exponencial en
tamaño para representar ciertas funciones lógicas relativas a circuitos multinivel. Sin
embargo, una reducción en el número de etapas de computación reduce el tiempo de
procesamiento general del circuito. El ruido y la degradación de la señal son un
problema en ambas arquitecturas de los circuitos, por esto la restauración de la señal,
que es, mejorar el ratio ON/OFF en etapas intermedias aumenta mucho la escalabilidad
y el rendimiento. En casos donde la representación de dos niveles lógicos no pueda ser
implementada eficientemente debido a la acumulación de cláusulas contenidas
incompletamente, es posible subdividir la computación en una jerarquía e introducir
restauración de la señal. Actualmente el rendimiento de estos circuitos es comparable a
los las redes similares in vitro e in vivo que no utilizan restauración de la señal.
Se propone un mecanismo sensorial a través del cual una siRNA media la
presencia, y otra la ausencia, de una entrada dada a través de enlaces directos y
contrarios reguladores. (Figura 5)
Por ejemplo, trabajo reciente ha demostrado ambas inhibición y activación de
siRNA por una pequeña molécula mientras que un autómata ADN usa distintas
subsecuencias de una molécula mRNA, al contrariamente regular dos estructuras ADN
de doble cadena similar a siRNA diferentes. Un mecanismo alternativo incluiría
solamente un tipo de enlaces reguladores entre la entrada y uno de los mediadores, con
una interacción inhibidora adicional entre este y el mediador complementario. (Figura
5)
La propuesta principal parece preferible por dos razones: primero, en la colocación, se
requiere dos interacciones moleculares para que una entrada sea testeada para ambas
presencia o ausencia, y cuatro interacciones cuando una entrada se testea para ambas
(esto es, aparece como un literal positivo y un negativo en la expresión lógica). En la
alternativa, una entrada testeada para su ausencia requiere tres interacciones,
incrementando el número total de interacciones por circuito. Y segundo, el primer
diseño requiere al menos dos interacciones consecutivas antes del núcleo de
computación, donde la alternativa requiere tres cuando testea la ausencia de una entrada.
El aumento de número de pasos incrementa la probabilidad de fallo.
17
La implementación de estos circuitos exige mucho esfuerzo porque requiere
múltiples y eficientes estructuras siRNA con la mínima interferencia. Se ha tratado
ampliamente estos desafíos utilizando moléculas siRNA desarrolladas con ayuda del
diseño asistido por ordenador. En el futuro, la utilidad de estos principios de diseño para
la construcción de autómatas puede ser mejorada teniendo en cuenta la selectividad y
eficiencia de los mediadores siRNA ambos como sensores y reguladores de las
expresiones de los genes.
La computación molecular y la biología sintética puede crear redes de
procesamiento de información moleculares que son mejores que las naturales en su
rendimiento cuantitativo además de permitir funcionalidades novedosas.
18
PARALELISMO CON LAS FPGAs
Es fácil identificar cada uno de estos nanocomputadores, o nanocomparadores
con la tecnología empleada en la fabricación de FPGAs. Dado el paralelismo que se
desprende entre ambas se observa que la computación celular es un acercamiento a las
FPGAs, ya que lo que en una FPGA es un bloque lógico básico, podría ser una célula y
por tanto un sistema pluricelular podría identificarse con una FPGA. Para esto, en este
apartado se extiende y explica el funcionamiento de las FPGAs para comprender este
paralelismo.
Una FPGA (del inglés Field Programmable Gate Array) es un dispositivo
semiconductor que contiene bloques de lógica cuya interconexión y funcionalidad se
puede programar. La lógica programable puede reproducir desde funciones tan sencillas
como las llevadas a cabo por una puerta lógica o un sistema combinacional hasta
complejos sistemas en un chip. Las FPGAs tienen las ventajas de ser reprogramables (lo
que añade una enorme flexibilidad al flujo de diseño) (aunque hay algunas que sólo se
pueden programar una vez), sus costes de desarrollo y adquisición son mucho menores
para pequeñas cantidades de dispositivos y el tiempo de desarrollo es también menor.
HISTORIA
Las FPGAs son inventadas en el año 1984 por Ross Freeman, co-fundador de
Xilinx, y surgen como una evolución de los CPLDs.
Tanto los CPLDs como las FPGAs contienen un gran número de elementos
lógicos programables. Si medimos la densidad de los elementos lógicos programables
en puertas lógicas equivalentes (numero de puertas NAND equivalentes que podríamos
programar en un dispositivo) podríamos decir que en un CPLD hallaríamos del orden de
decenas de miles de puertas lógicas equivalentes y en una FPGA del orden de cientos de
miles hasta millones de ellas.
Aparte de las diferencias en densidad entre ambos tipos de dispositivos, la
diferencia fundamental entre las FPGAs y los CPLDs es su arquitectura. La arquitectura
de los CPLDs es más rígida y consiste en una o más sumas de productos programables
cuyos resultados van a parar a un número reducido de biestables síncronos (también
denominados flip-flops). La arquitectura de las FPGAs, por otro lado, se basa en un
gran número de pequeños bloques utilizados para reproducir sencillas operaciones
lógicas, que cuentan a su vez con biestables síncronos. La enorme libertad disponible en
la interconexión de dichos bloques confiere a las FPGAs una gran flexibilidad.
ARQUITECTURA
La arquitectura básica de una FPGA consiste en una matriz de bloques lógicos
programables (del inglés Configurable Logic Block o CLB) y canales de interconexión
entre ellos.
19
Por un lado, los bloques lógicos están compuestos típicamente por una tabla de
búsqueda de cuatro entradas (que es capaz de representar cualquier función lógica
combinacional de cuatro entradas) y un flip-flop. Como se observa en la figura, el
bloque lógico tiene cinco entradas en total (4 que van a parar a la tabla de búsqueda más
una señal de reloj) y una única salida, que se obtiene o bien de la salida de la tabla de
búsqueda sin registrar (sin pasar por el flip-flop) o bien de la salida de la tabla de
búsqueda una vez registrada.
Por otro lado, los canales de interconexión están compuestos por un gran número
de segmentos de cable en paralelo de tal modo que cada entrada o salida (tanto de los
bloques lógicos como de la FPGA en sí) puede conectarse a cualquiera de dichos
segmentos del canal de interconexión.
Es decir, una FPGA está formada por un array de bloques básicos y una red de
interconexión que los interconecta. Y ambos componentes, tanto los bloques básicos
como la forma de interconectarlos se puede configurar a voluntad.
Esta configuración se realiza mediante entornos de desarrollo especializados y
utilizando lenguajes de programación de alto nivel.
IMÁGENES
20
LA BIOTECNOLOGIA EN ESPAÑA
La industria biotecnológica española se ha quedado atrás comparado con los
demás países europeos, dado que la inversión que se hace en este campo es muy
pequeña. Pero en los últimos años, el gobierno ha aumentado sus esfuerzos para
potenciar la biotecnología en España (las inversiones han sido sustancialmente mayores,
dado que la investigación publica en biotecnología ha aumentado de los 119 millones de
euros en el año 2000 a 257 millones de euros en 2004).
A pesar de esto, el soporte público puede no ser suficiente para mantener el
crecimiento del sector. La cantidad de financiación disponible a las compañías es
todavía pequeña comparada con la cantidad recogida por la investigación privada. Y
aunque la investigación privada es un sector en alza, se mantiene escaso.
La demora del status español en biotecnología se puede atribuir en parte a la
historia, puesto que hasta el siglo 19 no era un país en el que la ciencia era importante.
Hasta el siglo 19 España tenía una tradición muy fuerte en artes y la ciencia fue muy
descuidada. Además después del régimen dictatorial, la sucesión de gobiernos
democráticos no ha apoyado la investigación y el desarrollo como debían.
Después de todo esto, España se unió a la Unión Europea en 1996 y entonces el
paisaje biotecnológico comenzó a cambiar.
A pesar de todo esto, España es, en términos de publicación de documentos de
investigación, el cuarto país de Europa para biotecnología y el séptimo para biología
molecular.
Y actualmente el número de compañías biotecnológicas ha superado en más del
doble desde el año 2000 y continúa en crecimiento. Los dos núcleos más importantes
donde se han establecido estas empresas son Madrid y Cataluña, y como ejemplo de
ellas se pueden citar:
 Madrid:
Bionostra.
MicroBionta.
Madrid-based Genetrix.
 Cataluña:
Oryzon Genomics.
Advancell.
CrystaX Pharmaceuticals.
Es importante citar para este trabajo que la empresa Oryzon Genomics, situada
en Cataluña, tiene un proyecto a largo plazo dirigido al desarrollo de
herramientas bioinformáticas basadas en sistemas biológicos.
También podemos encontrar empresas en otras comunidades, las cuales han
aparecido en los tres últimos años. Estas se recogen en la siguiente tabla:
Compañía
Situación
Actividad Principal
Entrechem
Dropsen
Genmedica
Mellitus
Asturias
Asturias
Barcelona
Gerona
Monitorización de medicamentos
Biosensores
Síndrome metabólico
Síndrome metabólico
Integromics
Granada
Bioinformática,
administración de información
Biobide
Guipúzcoa
Monitorización de medicamentos
21
Génica Innova
Biocros
Madrid
Madrid
Diagnóstico molecular
Diagnóstico del alzheimer
Secugen
Madrid
Secuenciamiento genómico
Alz-Andalus Biopharm
Oncostem Therapeutics
Biomorphic
Málaga
Salmanca
Sevilla
Modelos animales de Alzheimer
Oncologia
Materiales biológicos
Nanozar
Zaragoza
Nanotecnologia
Y las dos relacionadas con el tema de este trabajo son las que aparecen
resaltadas en color rojo.
CONCLUSIÓN
La conclusión que extraigo personalmente de este trabajo es que la investigación
en este campo de la bio-informática está en pañales, es decir, es un campo que es muy
actual y que está en actual expansión.
Aunque las expectativas del desarrollo de este tipo de tecnología son
impresionantes, las opiniones sobre la consecución o no de las mismas son también
variadas.
A nivel de España, el desarrollo de empresas relacionadas con la bio-informática
está creciendo pero es todavía escaso, como se muestra en el último apartado del
trabajo.
GLOSARIO
mRNA: Es el ARN mensajero, el que lleva la información desde el núcleo hasta los
ribosomas.
Enzima ligasa: Enzima capaz de unir, formando enlaces, fragmentos de ADN que
presentan extremos adecuados. Aparece tanto en la literatura porque junto con
las enzimas de restricción endonucleasas, que cortan el ADN en determinadas
zonas diana de su secuencia, y junto con la PCR o reacción en cadena de la
polimerasa son las herramientas básicas de la biología molecular. Algo así como
pegar, cortar y generar.
Hibridación: Es un tipo de técnica de biología molecular en la cual se genera una sonda
(probe) de ARN o ADN específica para una secuencia de ADN o ARN que
estamos buscando en un genoma o el conjunto de ARNs mensajeros de un
organismo. La sonda se diseña a fin de que hibride, es decir, que se aparee con
su hebra complementaria que es la que se busca.
Endonucleasas: Equivalen más o menos a las enzimas de restricción, que como ya se
ha puesto anteriormente en la definición de enzima ligasa, cortan el ADN por
secuencias fijas. Hay una gran variedad y cada una de ellas reconoce y corta por
una secuencia distinta. Por ejemplo: BamHI es una endonucleasa que corta
22
(donde están las comillas) y reconoce la secuencia …G”GATCC. La ligasa haría
justo lo contrario.
Moléculas o genes Reporter: Son genes o moléculas que informan sobre cómo, cuando
y sobre todo donde está ocurriendo un proceso biológico. Una molécula utilizada
como reporter es la GFP (Green fluorescent protein).
Ribozimas: Son un tipo de enzimas que en vez de estar formadas por proteína (como el
99,99% de todas las enzimas) están formadas por ARN (Ribozimas) y más
raramente aun por ADN (Desoxiribozimas).
siRNA: (Small interference RNA) son moléculas cortas de ARN de interferencia. Es un
tipo de ARN que utilizan las células para defenderse del ataque de virus y otras
infecciones.
BIBLIOGRAFÍA
-
Nature Biotechnology. Mayo 2007. Letter: A universal RNAi-based logic
evaluator that operates in mammalian cells.
ChemMatters: Cellular Silicon, a medical revolution.
Current Nanoscience, 2005. Development of Nano-Scale DNA Computing
Devices.
Nature Biotechnology. Volume 24, number 09 September 2006.
Biotechnology in Spain: Special repport.
Medical Dictionary: Medterms dictionary:
http://www.medterms.com/script/main/hp.asp
Medical Dictionary: Merrian Webster medical dictionary:
http://www.intelihealth.com/IH/ihtIH/WSIHW000/9276/9276.html
Wikipedia, entrada Biotecnologia. (Definición).
Technology review. October 2004. www.technologyreview.com
Wikipedia, entrada FPGA
http://www.eecg.toronto.edu/~vaughn/challenge/fpga_arch.html
23