Cómo un error de secuenciación nos convirtió en expertos en COVID… un poco tarde 🤣
La historia de cómo una flowcell demasiado grande, casi 100 muestras y una cantidad absurda de reads terminaron convirtiéndose en un paper sobre evolución intra-hospedero de SARS-CoV-2.
Todo empezó, como empiezan algunas de las mejores historias científicas, con una planificación experimental impecable.
Es mentira.
Todo empezó con un error.
Era 2023 y estábamos probando el DNBSeq-G400 en la Universidad de O’Higgins. Teníamos un conjunto de muestras de SARS-CoV-2 y queríamos probar el equipo, la preparación de bibliotecas y todo el flujo de secuenciación.
Hasta ahí, nada particularmente emocionante.
El pequeño detalle fue que usamos una flowcell bastante más grande de la que necesitábamos.
Mucho más grande.
Cuando terminamos la corrida descubrimos que habíamos secuenciado casi 100 muestras de COVID a una profundidad promedio cercana a 60.000×. El trabajo publicado finalmente incluye 96 muestras chilenas recolectadas entre 2020 y 2022. (Nature)
Para ponerlo en perspectiva: para saber cuál es la variante dominante de SARS-CoV-2 en una muestra no necesitas remotamente esa profundidad.
Teníamos, básicamente, un problema muy científico:
¿Qué diablos hacemos con todos estos reads?
El error empezó a parecer cada vez menos error
La primera posibilidad era simplemente aceptar que habíamos secuenciado mucho más de lo necesario, obtener los genomas consenso y seguir con nuestras vidas.
Pero eso era bastante aburrido.
Porque una profundidad de 60.000× permite hacer algo diferente.
Normalmente, cuando hacemos vigilancia genómica de un virus reconstruimos su genoma consenso: la secuencia que representa la variante mayoritaria presente en un paciente.
Es tremendamente útil. Así seguimos durante la pandemia la aparición y reemplazo de variantes.
Pero tiene una limitación conceptual importante.
Una persona infectada no contiene un único virus perfectamente idéntico repetido millones de veces.
Dentro del mismo hospedero existe una población viral.
Y dentro de esa población pueden aparecer mutaciones presentes, por ejemplo, en 1%, 5%, 10% o 20% de los virus. Esas variantes minoritarias desaparecen cuando miramos solamente el consenso.
Con una profundidad absurda de secuenciación, en cambio, podíamos comenzar a verlas.
Ahí el error experimental se convirtió en una pregunta científica:
¿Qué está ocurriendo con SARS-CoV-2 dentro de cada persona infectada?
Y eso terminó siendo bastante más interesante que el experimento que originalmente queríamos hacer.
Dos mil millones de reads después…
La corrida produjo más de 2.000 millones de reads.
Después vino la parte menos cinematográfica de la ciencia: controles de calidad, filtros, más filtros, sospechar de todo, volver a filtrar y tratar cada variante de baja frecuencia como culpable hasta demostrar su inocencia.
Esto era particularmente importante porque cuando buscas variantes minoritarias existe una pregunta desagradable:
“¿Esto es biología o es un error de secuenciación?”
Por eso usamos criterios deliberadamente conservadores.
Después de todo el proceso quedaron 2.890 variantes intra-hospedero, o iSNVs, con suficiente evidencia para analizarlas. La mayoría aparecía a frecuencias bajas o intermedias y el cambio más común era C→T, un patrón que también ha sido observado en otros estudios de diversidad de SARS-CoV-2 dentro del hospedero. (Nature)
De pronto esa flowcell innecesariamente grande ya no parecía una tan mala idea.
Convenientemente, años después podemos llamarlo:
diseño experimental exploratorio no planificado.
Suena mucho mejor que “nos equivocamos de flowcell”.
El virus genera muchas ideas. La selección elimina la mayoría.
Una de las preguntas que más me interesaba era si podíamos observar selección natural ocurriendo dentro de los propios pacientes.
Y la respuesta fue sí.
Al comparar mutaciones sinónimas y no sinónimas, el patrón global fue bastante claro: la evolución intra-hospedero de SARS-CoV-2 estaba dominada por selección purificadora. (Nature)
En lenguaje menos evolutivo:
el virus prueba cosas constantemente.
La mayoría son malas ideas.
Y desaparecen.
Esto me parece particularmente bonito porque solemos pensar en la evolución viral mirando variantes que consiguieron expandirse por países o continentes.
Aquí estábamos mirando un nivel anterior.
Mutaciones que acaban de aparecer.
Pequeños experimentos evolutivos ocurriendo dentro de una persona.
La enorme mayoría nunca llegará a ninguna parte.
Pero no todas las regiones del genoma se comportaban igual. Spike y algunos genes accesorios mostraban mayor enriquecimiento de cambios que modificaban proteínas, aunque estas señales deben interpretarse con cuidado y no significan automáticamente que estemos observando una futura variante preocupante. (Nature)
Es una fotografía de las primeras etapas de la evolución antes de que la selección poblacional haga su trabajo.
Y además había pacientes aparentemente infectados por más de un linaje
Entonces apareció otra cosa interesante.
Si tienes suficiente profundidad puedes buscar mutaciones características de un segundo linaje viral presentes a baja frecuencia.
Encontramos 13 muestras compatibles con posibles coinfecciones: un linaje dominante acompañado por señales correspondientes a otro linaje en menor proporción. Los casos aparecieron en momentos compatibles con periodos de superposición o reemplazo de variantes en Chile. (Nature)
Esto es interesante porque una coinfección crea una situación evolutiva bastante peculiar.
Dos poblaciones virales distintas compartiendo hospedero.
Eso potencialmente aumenta las oportunidades para diversificación y, en determinadas circunstancias, recombinación.
No significa que cada coinfección vaya a producir el próximo gran linaje viral.
Afortunadamente, la evolución tampoco funciona como una película de Marvel.
Pero sí son situaciones interesantes para estudiar cómo se genera diversidad.
Un pequeño viaje por la pandemia chilena
Había además otra característica bonita del dataset.
Las 96 muestras provenían de Chile entre 2020 y 2022, por lo que atravesaban distintas etapas de la pandemia y el reemplazo de diferentes linajes, desde variantes tempranas hasta Lambda, Delta y finalmente Ómicron. (Universidad de O’Higgins)
Eso nos permitía mirar retrospectivamente algo que durante la pandemia veíamos casi exclusivamente desde el punto de vista epidemiológico:
una variante aparece.
otra aumenta.
otra desaparece.
Ómicron llega y cambia todo.
Pero debajo de esas enormes dinámicas poblacionales había otro proceso mucho más pequeño ocurriendo continuamente dentro de cada paciente.
Miles de pequeñas variantes naciendo y desapareciendo.
La vigilancia genómica tradicional muestra el resultado final.
La secuenciación ultra profunda permite observar parte del laboratorio evolutivo que ocurre antes.
Y todo esto se hizo en la UOH
Hay otra parte de este trabajo que me gusta particularmente.
El proyecto se desarrolló prácticamente de principio a fin en la Universidad de O’Higgins.
Preparación de bibliotecas.
Secuenciación.
Procesamiento bioinformático.
Análisis.
Interpretación.
El procesamiento computacional se ejecutó usando nuestra infraestructura HPC en Kütral; sólo el workflow principal acumuló aproximadamente 1.500 horas de CPU. (Universidad de O’Higgins)
Cuando llegué a la UOH, construir capacidades locales de genómica y biología computacional era precisamente una de las cosas que quería hacer.
Por eso, para mí, este paper también cuenta otra historia.
No solamente que podemos estudiar SARS-CoV-2.
Sino que hoy podemos tomar muestras, generar miles de millones de reads, procesarlos en nuestra propia infraestructura y llevar el análisis hasta una publicación internacional desde Rancagua.
Eso probablemente me entusiasma incluso más que los 60.000×.
Cuatro años después: somos expertos en COVID 🤣
El paper finalmente apareció en Scientific Reports el 31 de agosto de 2026, con Carol Moraga, Francisco Kirhman, Barbara Bernal, Sofia Poblete, Pastor Jullian, Adrian Gonzalez, Mauricio Latorre y quien escribe. (Nature)
Lo divertido es el timing.
En 2020 todos querían saber de COVID.
En 2021 todos hablábamos de variantes.
En 2022 todavía discutíamos sobre Ómicron.
Nosotros publicamos nuestro gran análisis de evolución intra-hospedero en…
2026.
🤣
Así que oficialmente podemos anunciar que:
también somos expertos en COVID.
Un poco tarde.
Pero expertos. 😂
Fuera de broma, creo que el resultado sigue siendo relevante precisamente porque la pregunta va más allá de SARS-CoV-2.
La próxima epidemia llegará posiblement con otro nombre.
Y las mismas preguntas volverán a aparecer: cómo detectar diversidad emergente, cómo distinguir mutaciones reales de ruido, cómo identificar infecciones mixtas y cómo observar procesos evolutivos antes de que se vuelvan visibles a nivel poblacional.
Lo importante es que ahora la capacidad experimental y computacional para responder esas preguntas quedó instalada, y tambien el know-how!
La moraleja científica
Me gusta este trabajo porque resume algo que ocurre más frecuentemente en ciencia de lo que solemos admitir en los papers.
El proyecto no comenzó con:
“Nuestra hipótesis es que una secuenciación ultra profunda permitirá caracterizar…”
Comenzó más parecido a:
“Oye… ¿por qué tenemos tanta cobertura?”
🤣
Después vino la pregunta.
Después el análisis.
Después varias iteraciones, filtros, discusión, bioinformática, estadística y bastante tiempo tratando de entender qué nos estaban diciendo los datos.
Y finalmente apareció una historia científica que no habíamos planeado encontrar.
Quizás esa sea mi parte favorita.
En ciencia intentamos controlar todo: hipótesis, diseño experimental, protocolos, tamaños muestrales, pipelines.
Y está bien que sea así.
Pero de vez en cuando uno comete un error, obtiene una cantidad ridícula de datos y descubre que la pregunta realmente interesante estaba escondida precisamente ahí.
Esta vez tuvimos suerte.
Usamos una flowcell demasiado grande.
Terminamos mirando la evolución de SARS-CoV-2 dentro de pacientes chilenos.
Y tres años después conseguimos un paper.
No recomiendo convertir esto en metodología experimental.
Pero funcionó. 🤣