Saltar al contenido
Volver a los resultados

Análisis de Hi-C

Propuesto por
Erez Lieberman-Aiden & Job Dekker
Año
2009
Tipo
Chromatin interaction method
Familia
3D genomics

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

Hi-C (High-Chromosome Conformation Capture) es una técnica y métodos computacionales asociados para mapear la arquitectura 3D del genoma dentro de las células.

Desarrollado por Lieberman-Aiden y Dekker en 2009, Hi-C identifica interacciones físicas entre regiones genómicas que pueden estar distantes en la secuencia lineal pero espacialmente próximas en el espacio nuclear 3D. El análisis de Hi-C ha revelado principios fundamentales de la organización genómica, incluida la existencia de dominios de asociación topológica (TADs), y proporciona información sobre cómo la estructura 3D regula la expresión génica y la replicación del ADN.

La intuición detrás del método

El ADN en el núcleo no es un ovillo aleatorio; se pliega en una arquitectura 3D precisa. Los elementos reguladores (potenciadores) pueden formar bucles para contactar promotores distantes, aunque estén muy separados en la secuencia lineal. Hi-C captura estos contactos 3D mediante el entrecruzamiento de segmentos de ADN en estrecha proximidad espacial, la fragmentación del genoma y la secuenciación de los fragmentos ligados. El resultado es una matriz de contactos que muestra qué posiciones genómicas interactúan. Las posiciones cercanas (mismo cromosoma, cercanas en secuencia lineal) interactúan frecuentemente —la matriz de contactos es alta a lo largo de la diagonal. Las interacciones distantes revelan la estructura a gran escala: grupos de loci dentro del mismo dominio de asociación topológica (TAD) interactúan frecuentemente; diferentes TADs interactúan raramente. Analizando computacionalmente la matriz de contactos, los investigadores infieren la estructura 3D, identifican interacciones reguladoras y comprenden cómo la arquitectura genómica controla la biología.

Historia

Lieberman-Aiden, Dekker y colegas desarrollaron Hi-C en 2009, revolucionando la comprensión de la organización genómica. Los primeros trabajos revelaron dominios a gran escala (ahora llamados TADs) y que el genoma está organizado en dos compartimentos espaciales distintos —cromatina activa e inactiva. Dixon y colegas (2012) demostraron la conservación de los TADs y comenzaron a mapear interacciones potenciador-promotor. Las variantes modernas (Hi-C in situ, proyectos 4DN) mejoraron la resolución y permitieron la generación rápida de mapas a nivel de genoma en diversos sistemas. Hi-C se ha convertido en fundamental para comprender la regulación génica 3D y descubrir cómo las variantes estructurales alteran la arquitectura normal.

Cuándo usarlo

Utilizar Hi-C para comprender cómo se organiza el genoma 3D, para identificar interacciones reguladoras de largo alcance, o para comparar la arquitectura genómica entre tipos de células o estados de enfermedad. Hi-C es particularmente potente para identificar bucles potenciador-promotor y comprender cómo las variantes estructurales afectan la función genómica. Evitar Hi-C al estudiar loci individuales en detalle (los métodos de imagen son mejores), o cuando las células son muy heterogéneas (los patrones de contacto promediados ocultan la variación individual).

Limitaciones y consideraciones

  • Proporciona un promedio poblacional; se pierde la heterogeneidad de células individuales
  • Intensivo computacionalmente; requiere almacenamiento y procesamiento de datos significativos
  • La distancia de contacto está fuertemente influenciada por factores técnicos (elección de enzima de restricción, eficiencia de ligación)
  • No mide directamente la distancia física; la frecuencia de contacto depende de múltiples factores
  • La resolución está limitada por la profundidad de secuenciación; el mapeo de muy alta resolución requiere miles de millones de lecturas

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Proporciona una vista a nivel de genoma de la organización genómica 3D a alta resolución
  • Identifica dominios de asociación topológica e interacciones reguladoras de largo alcance
  • Revela cómo la arquitectura genómica varía entre tipos de células y condiciones
  • Puede detectar variantes estructurales y reordenamientos de cromatina a gran escala
  • Se integra bien con otros datos ómicos (RNA-seq, marcas de cromatina) para obtener información mecanicista

Aplicaciones

  • Mapeo de la estructura 3D del genoma humano y comparación entre tipos celulares en la progresión del desarrollo
  • Identificación de bucles potenciador-promotor para comprender la regulación génica sin inmunoprecipitación de cromatina
  • Detección de variantes estructurales y reordenamientos cromosómicos en cáncer mediante el análisis de distorsiones en el patrón de contacto
  • Comparación de la arquitectura genómica entre estados normales y de enfermedad para identificar defectos arquitectónicos
  • Comprensión de cómo las proteínas arquitectónicas (cohesina, condensinas) organizan la cromatina mediante el mapeo de estructura-función

Cómo funciona

Cómo funciona

1

Realizar experimentos de Hi-C en células o tejidos cultivados: entrecruzar ADN con formaldehído, fragmentar cromatina, ligar fragmentos de ADN en proximidad cercana y realizar secuenciación de alto rendimiento.

2

Alinear lecturas de secuenciación con el genoma; identificar pares de Hi-C válidos (cada par representa una interacción genómica); filtrar artefactos (autoligaciones, lecturas de baja calidad, fragmentos quiméricos).

3

Construir matrices de contactos a resoluciones variables (desde bins de 1 Mb hasta 1-5 kb); normalizar sesgos (longitud de fragmento, mapeabilidad); identificar dominios de asociación topológica utilizando algoritmos de segmentación.

4

Aplicar algoritmos de reconstrucción 3D para inferir posiciones espaciales a partir de frecuencias de contacto; detectar interacciones de largo alcance; identificar contactos potenciador-promotor utilizando predicciones computacionales.

5

Examinar límites de TAD, interacciones dentro y entre TADs, y comparar entre tipos de células o condiciones; relacionar la estructura 3D con la regulación génica y el estado de la cromatina.

Errores comunes

  • Sobreinterpretar contactos de Hi-C como interacciones reguladoras verdaderas sin validación (muchos contactos pueden ser pasivos)
  • Confundir la fuerza de interacción relativa con la distancia física absoluta
  • Los efectos de lote y los sesgos técnicos en los datos de Hi-C pueden crear señales espurias; la normalización adecuada es crítica
  • Ignorar la especificidad del tipo celular; la estructura 3D varía drásticamente entre tipos celulares

Preguntas frecuentes

¿Qué es un dominio de asociación topológica (TAD)?

Un TAD es una región cromosómica (típicamente de 200 kb a 1 Mb) dentro de la cual la cromatina interactúa frecuentemente, pero entre la cual las interacciones son raras. Los TADs aparecen como patrones de bloque diagonal en las matrices de contactos de Hi-C y se cree que representan unidades reguladoras funcionales. Los límites de los TADs a menudo coinciden con genes y elementos reguladores.

¿Cómo difiere Hi-C de otros métodos de captura de conformación de cromosomas?

3C mide una única interacción entre dos ubicaciones genómicas. 4C mide interacciones de un locus con todos los demás. 5C mide muchas interacciones preseleccionadas. Hi-C mide interacciones de todos contra todos a nivel de genoma. Cada método sacrifica rendimiento por información específica.

¿Por qué las matrices de Hi-C necesitan normalización?

Las frecuencias de contacto dependen de factores técnicos: los sitios de restricción cerca de un locus afectan la fragmentación, la mapeabilidad varía en las regiones genómicas, la eficiencia de ligación depende de la secuencia. Sin normalización, estos sesgos crean patrones espurios. La normalización elimina los sesgos preservando la señal biológica verdadera.

¿Puede Hi-C identificar interacciones causales potenciador-promotor?

Hi-C identifica loci físicamente próximos pero no revela directamente la causalidad. La causalidad requiere validación funcional (perturbación con CRISPR, ensayos de reportero). Hi-C identifica interacciones candidatas; experimentos adicionales prueban si son funcionalmente importantes.

Métodos relacionados

Fuentes

  1. Lieberman-Aiden, E., van Berkum, N. L., Williams, L., Imakaev, M., Ragoczy, T., Telling, A., & Dekker, J. (2009). Comprehensive mapping of long-range interactions reveals folding principles of the human genome. Science, 326(5950), 289–293.

    Abrir referencia DOI
    Copiado.
  2. Dixon, J. R., Selvaraj, S., Yue, F., Kim, A., Li, Y., Shen, Y., & Ren, B. (2012). Topological domains in mammalian genomes identified by analysis of chromatin interactions. Nature, 485(7398), 376–380.

    Abrir referencia DOI
    Copiado.
  3. Szabo, Q., Bantignies, F., & Cavalli, G. (2019). 3D chromatin architecture. Nature Reviews Molecular Cell Biology, 20(4), 207–220.

    Abrir referencia de la publicación
    Copiado.