La inferencia de transferencia genética horizontal o lateral es una forma de estudiar la historia evolutiva de los genes mediante la filogenética computacional. La transferencia genética horizontal (TGH o TGL) consiste en la transmisión de partes de ADN genómico entre organismos a través de un proceso desacoplado de la herencia vertical por reproducción. Este fenómeno complica las investigaciones del parentesco evolutivo de linajes y especies, por lo que es importante determinar su presencia y las especies implicadas. Para detectar la transferencia genética horizontal se utilizan dos tipos de métodos:
1) Los métodos paramétricos se basan en el análisis de la secuencia del genoma de la especie huésped para identificar desviaciones del promedio genómico. Estos métodos eran muy importantes cuando existían pocos genomas secuenciados de especies relacionadas, pero fallan en la detección de eventos de transferencia genética horizontal muy lejanos en el tiempo.
2) Los métodos filogenéticos explotan la disponibilidad de secuencias genómicas para efectuar una comparación entre genomas relacionados. Suelen caracterizar mejor los eventos de transferencia genómica —notablemente al determinar la especie donadora y el tiempo de transferencia— Sin embargo, también están sujetos a fallos.
En la práctica, la combinación de diferentes métodos mejora la inferencia, aunque también conlleva el riesgo de falsos positivos. Transferencia genética horizontal Frederick Griffith demostró la transferencia genética horizontal en 1928 al observar en un experimento que cepas virulentas de Streptococcus pneumoniae eran capaces de transmitir la virulencia a cepas no virulentas mediante un mecanismo conocido como transformación. Observaciones similares en las décadas de los cuarenta y cincuenta del evidenciaron la existencia de mecanismos adicionales de transferencia horizontal: la conjugación y la transducción.
Aunque los eventos de TGH pueden no resultar en cambios fenotípicos, se puede inferir si han tenido lugar mediante el análisis de la secuencia genómica. Estos análisis se pueden dividir en dos grupos según el enfoque adoptado: métodos paramétricos y filogenéticos. Los métodos paramétricos se centran en la búsqueda de secuencias de ADN que difieran significativamente del promedio genómico en parámetros como el contenido de las bases CG o el uso preferencial de codones. Los métodos filogenéticos examinan la historia evolutiva de los genes en diferentes especies e identifican filogenias incompatibles.
Métodos paramétricos Los métodos paramétricos utilizan marcadores genéticos, característicos de especies relacionadas o clados, para inferir la transferencia genómica horizontal. La diferencia entre un fragmento del genoma y el marcador es un indicio de una posible transferencia horizontal. Por ejemplo, el porcentaje de guanina y citosina (GC) es característico del genoma del organismo y los segmentos genómicos con un porcentaje muy diferente del promedio pueden provenir de un evento de TGH desde otra especie. Los marcadores genéticos usualmente utilizados para detectar TGH incluyen la composición de nucleótidos, las frecuencias de oligonucleótidos o características estructurales del genoma.
Para que estos métodos funcionen, los marcadores genéticos deben ser claramente reconocibles. Sin embargo, el genoma de una especie no es siempre uniforme: por ejemplo, el contenido GC es menor en el tercer nucleótido de los codones cerca del terminador de replicación, y mayor en genes altamente expresados. Esta variabilidad intragenómica debe tomarse en cuenta para evitar marcar segmentos nativos como productos de transferencia genética horizontal.
Es igualmente importante que los segmentos transferidos horizontalmente exhiban los marcadores genéticos de la especie donante. Sin embargo, las secuencias transferidas experimentan los mismos procesos mutacionales que el resto del genoma de la especie receptora, lo que borra lentamente los indicios de transferencias ocurridas mucho tiempo atrás hasta que es imposible detectarlas mediante métodos paramétricos. Por ejemplo, Bdellovibrio bacteriovorus, una δ-proteobacteria depredadora, tiene un contenido GC homogéneo, por lo que cabría concluirse que su genoma es resistente a la transferencia genómica horizontal. Sin embargo, un análisis posterior basado en métodos filogenéticos identificó varias TGH antiguas. Asimismo, si el segmento insertado se ha asimilado previamente al genoma del receptor, como es el caso de las inserciones de profagos, los métodos paramétricos pueden fallar. Además, la composición de la especie donante debe ser significativamente diferente de la de la especie receptora, una condición que puede perderse en el caso de que la distancia genética entre las especies sea pequeña o mediana, lo cual es muy prevalente. Por último, los genes adquiridos recientemente tienden a ser más ricos en AT que el promedio del receptor, lo que indica que las diferencias en contenido GC pueden provenir procesos mutacionales desconocidos después de la adquisición y no del genoma del donante. Composición de nucleótidos 300px|thumb|right|Contenido medio CG en regiones codificantes de varias especies de bacterias en comparación con el tamaño del genoma.
El contenido GC bacterial varía mucho, entre el 13,5 % de Ca. Zinderia insecticola, y et 75 % de Anaeromyxobacter dehalogenans. Incluso dentro de un mismo grupo el porcentaje puede ser bastante diferente, como en el caso de las α-Proteobacterias, donde el promedio varía entre el 30 % y el 65 % aproximadamente. Estas diferencias sirven para inferir sucesos de transferencia genómica.
Espectro de oligonucleótidos El espectro de oligonucleótidos (o frecuencias de k-mero) mide la frecuencia de todas las posibles secuencias de nucleótidos de una longitud dada en el genoma. Esta cantidad varía menos en un genoma que entre genomas y puede, por lo tanto, utilizarse como un marcador genético para inferir fenómenos de transferencia horizontal.
La utilidad del espectro de oligonucleótidos viene dada por el número de oligonucleótidos posibles: 4n, donde n es el tamaño del oligonucleótido; por ejemplo, hay 45=1024 posible pentanucleótidos. Algunos métodos capturan las frecuencias en patrones de tamaño variable.
El uso preferencial de codones, una medida relacionada con la frecuencia de codones, fue uno de los primeros métodos utilizados para detectar sistemáticamente la transferencia genómica horizontal. Este enfoque requiere un genoma receptor con una tendencia hacia ciertos codones sinónimos —diferentes codones que codifican el mismo aminoácido— claramente diferente de la tendencia en el genoma de la especie donante. El oligonucleótido más simple utilizado como marcador genético es el dinucleótido; por ejemplo, el tercer nucleótido en un codón y el primer nucleótido en el siguiente codón representan el dinucleótido menos restringido por la preferencia de aminoácidos y de codones.
Es importante optimizar el tamaño del rango del genoma donde se computa la frecuencia de oligonucleótidos: un rango amplio amortigua la variabilidad del genoma de la especie receptora, pero dificulta la detección de TGH de regiones pequeñas. Un rango de 5 kb con una separación de 0.5 kb se considera un buen compromiso para obtener las frecuencias de tetranucleótidos. las cadenas de Markov son un método conveniente para modelar marcadores genéticos de oligonucleótidos. La transición de la matriz de probabilidad se deriva para genes endógenos contra genes adquiridos, de donde se calculan las probabilidades a posteriori bayesianas para un segmento particular de ADN.
Características estructurales Las características estructurales del ADN —como la energía de interacción entre pares de bases vecinos, el ángulo de giro entre dos pares de bases no coplanares o la deformación del ADN inducida por las proteínas que interactúan con la cromatina,— pueden representarse como una secuencia numérica. El análisis de autocorrelación de tales secuencias muestra periodicidades características en genomas completos. Este tipo de análisis se usó para comparar el espectro de periodicidad de regiones del genoma de la bacteria termofílica Thermotoga maritima, con el de regiones homólogas en la archaea Pyrococcus horikoshii. Los resultados de este estudio sirvieron de apoyo a la hipótesis de una transferencia genómica masiva entre los reinos bacteria y archaea.
Contexto genómico Las islas genómicas, regiones adquiridas por transferencia horizontal de típicamente 10–200 kb de tamaño permiten identificar genes no nativos por su posición en un genoma. Por ejemplo, un gen de origen ambiguo que forma parte de un operón no nativo es a su vez muy probablemente adquirido. La repetición de secuencias en ambos extremos de una región o la presencia de integrasas o transposasas pueden indicar una región no nativa.
Un programa de aprendizaje automático que combina análisis de frecuencia de oligonucleótidos con el contexto genómico ha dado buenos resultados en la identificación de islas genómicas. El contexto también se ha utilizado como un indicador secundario, después de descartar genes de origen conocido basándose en otros métodos paramétricos.
Métodos filogenéticos La secuenciación de numerosos genomas ha facilitado el uso de los análisis filogenéticos en la detección de tranferencias horizontales. Los métodos filogenéticos detectan inconsistencias en la historia de la evolución de los genes de dos formas: explícitamente, reconstruyendo el árbol genético y reconciliándolo con el árbol de una especie de referencia, o implícitamente, examinando aspectos que se correlacionan con la historia evolutiva de los genes estudiados, ej. patrones de presencia o ausencia entre especies o distancias evolutivas inesperadamente cortas o distantes. Métodos filogenéticos explícitos El objetivo de los métodos filogenéticos explícitos es comparar los árboles de genes de una especie con los de especies relacionadas. Las diferencias estadísticamente significativas pueden deberse a una transferencia genómica entre especies. Este es el caso si dos genes de diferentes especies muy distantes comparten un nodo de conexión ancestral reciente en el árbol genético. Este enfoque puede producir resultados más específicos que los métodos paramétricos porque es capaz de identificar tanto las especies implicadas como el momento y la dirección de la transferencia genética.
Los métodos filogenéticos comprenden desde métodos simples que identifican meras diferencias entre árboles de genes y de especies hasta modelos mecanísticos que infieren posibles secuencias de eventos de transferencia. Los métodos de espectro genómico adoptan una estrategia intermedia consistente en deconstruir un árbol genético en partes más pequeñas hasta que cada una corresponda al árbol de especies.
El éxito de los métodos filogenéticos explícitos depende de la exactitud del árbol genético y de especie utilizado, pero estos pueden ser difíciles de construir. Incluso cuando los árboles utilizados son fiables, las filogenias en conflicto pueden ser el resultado de procesos evolutivos como duplicaciones y paridad en vez de tranferencia horizontal. Similarmente, en la presencia de una clasificación incompleta de linaje, los métodos filogenéticos explícitos pueden inferir erróneamente una transferencia genómica horizontal. Esta es la razón por la cual algunos métodos explícitos basados en modelos prueban muchos escenarios evolutivos y evalúan sus predicciones mediante criterios de parsimonia o probabilísticos.
Pruebas de topologías