09/03/2026
El «Facebook» de los genes: Cómo las redes moleculares salvarán al camarón
Sin embargo, el cambio climático está alterando parámetros críticos como el pH, la salinidad y la temperatura. Estos cambios ambientales no solo debilitan la salud del crustáceo, sino que actúan como catalizadores de infecciones letales. Por ejemplo, la baja salinidad aumenta drásticamente la susceptibilidad a Vibrio parahaemolyticus, el agente causante de la Enfermedad de la Necrosis Hepatopancreática Aguda (AHPND), que puede aniquilar el 100% de una población en solo 30 días.
Ante esta problemática, un equipo de científicos —encabezado por Noorul Darlina Edlin Abd Rahim y Nor Afiqah-Aleng del Higher Institution Centre of Excellence (HICOE) y el Institute of Climate Adaptation and Marine Biotechnology (ICAMB) de la Universiti Malaysia Terengganu— junto a colaboradores del Institute of Systems Biology (INBIOSIS) de la Universiti Kebangsaan Malaysia, han desarrollado un marco de análisis disruptivo.
El objetivo principal de la revisión científica es explorar el potencial de los enfoques de análisis de redes aplicados a conjuntos de datos transcriptómicos para comprender a fondo los mecanismos de respuesta al estrés en los langostinos. A diferencia de los métodos tradicionales que analizan genes de forma aislada, este estudio busca proporcionar una comprensión a nivel de sistema mediante la integración de redes de interacción proteína-proteína (PPI), redes de co-expresión y redes reguladoras.
La evolución tecnológica: del catálogo al mapa vivo
Para enfrentar estas amenazas, la ciencia ha pasado por varias etapas de maduración tecnológica:
Años 90 (EST): Se crearon los primeros catálogos de genes, como los de P. monodon en 1999.
Años 2000 (Microarrays): Permitieron observar respuestas a patógenos específicos, aunque con limitaciones de diseño.
Era Actual (RNA-seq): El estándar de oro. Permite un perfilado genómico completo, imparcial y de bajo costo.+1
Frontera (Single-cell y Espacial): Tecnologías emergentes que analizan célula por célula o incluso la expresión genética dentro de tejidos intactos.
El problema es que identificar genes expresados diferencialmente (DEGs) es como tener una lista de piezas de un motor sin saber cómo encajan entre sí. Aquí es donde entra la biología de redes.
Los tres pilares de la biología de redes
El artículo de revisión destaca tres tipos de redes fundamentales para entender al langostino como un sistema interconectado:
Redes de Interacción Proteína-Proteína (PPI)
Representan los contactos físicos entre proteínas. Son esenciales para procesos como la transducción de señales y el control metabólico. En organismos como el langostino, donde los datos experimentales son costosos, se utilizan métodos computacionales para predecir estas uniones.
Redes de Co-expresión Génica (GCN)
Aquí, los genes se conectan si sus niveles de expresión «suben o bajan» juntos bajo ciertas condiciones. Se basan en el principio de «culpabilidad por asociación»: si un gen desconocido se comporta igual que un gen de defensa, es muy probable que también participe en la inmunidad. Herramientas como el algoritmo WGCNA son vitales para detectar estos módulos funcionales.
Redes Regulatorias Génicas (GRN)
Son las más complejas, ya que son redes dirigidas que muestran cómo los factores de transcripción activan o reprimen otros genes. Aunque su aplicación en langostinos es aún limitada, son la clave para entender el «panel de control» maestro de la célula.
Caso de estudio: Descifrando el código de la infección por AHPND
Para demostrar la eficacia de este enfoque, los investigadores analizaron un conjunto de datos de P. vannamei infectado con VpAHPND. Mientras que el análisis tradicional solo listó 134 genes alterados, la integración de redes permitió identificar «proteínas esenciales» que actúan como nodos críticos del sistema:
ZNF236 (Zinc finger protein 236): Un factor de transcripción involucrado en el control de la expresión genética ante infecciones bacterianas.
ND3 (NADH dehydrogenase subunit 3): Crucial para la producción de energía (ATP) en la mitocondria y la respuesta al estrés oxidativo.
Beclin-1: Un regulador clave de la autofagia (limpieza celular) que se activa durante infecciones virales y bacterianas.
El análisis funcional reveló que durante la infección, los procesos de transporte de electrones y la actividad de oxidorreductasa se ven fuertemente afectados. Esto sugiere que el langostino intenta modular su metabolismo energético para generar ráfagas respiratorias que eliminen al patógeno, aunque esto a veces cause daño colateral al tejido del propio animal.
Desafíos y el futuro: el camino hacia la «Acuicultura 4.0»
A pesar del potencial, los autores realizan un análisis SWOT (FODA) que revela barreras importantes:
Debilidades: Escasez de bases de datos específicas para langostinos. La mayoría de las interacciones se infieren por homología con humanos o moscas de la fruta, lo que podría omitir mecanismos biológicos únicos de los crustáceos.
Oportunidades: La integración de Multi-ómica (combinar ARN con metabolitos y proteínas) y el uso de Inteligencia Artificial para predecir brotes de enfermedades antes de que ocurran.
Amenazas: Los patógenos están evolucionando más rápido de lo que la investigación puede abordar.
Conclusión: Un mapa para la sostenibilidad
La integración de la transcriptómica con la biología de redes no es solo un ejercicio académico; es una necesidad para la supervivencia de la industria. Al identificar estos «nodos maestros», los científicos pueden desarrollar biomarcadores para seleccionar líneas de langostinos genéticamente más resistentes o diseñar dietas funcionales que refuercen los puntos débiles del sistema molecular del animal.
Fuente: Panorama Acuícola
Referencia (acceso abierto)
Abd Rahim, N. D. E., Nor Muhammad, N. A., Waiho, K., Harun, S., Zainal-Abidin, R.-A., Tan, M. P., Sung, Y. Y., Mohamed-Hussein, Z.-A., & Nor Afiqah-Aleng. (2026). Network perspectives on transcriptomic datasets to understand shrimp response mechanisms to environmental and pathogenic stresses: a review. Aquaculture International, 34, 82. https://doi.org/10.1007/s10499-026-02476-4
