¿Cuántos genes tiene el ser humano?

Menos de 20.000 genes para fabricar un cuerpo

Un gen, en el sentido clásico, es un tramo de ADN con la receta de una proteína: la hemoglobina, la insulina, el colágeno. El genoma humano tiene unos 3.000 millones de letras de ADN, y en ese texto enorme hay menos de 20.000 de esas recetas.^[1] El catálogo de referencia GENCODE contaba 19.370 en su versión 41; el conjunto MANE, que usan los laboratorios clínicos, reúne 19.062.^[1] Cuando en 2022 se leyó por primera vez un genoma humano de punta a punta, sin huecos, la anotación predijo 19.969.^[2]

Las cifras no coinciden exactamente porque contar genes no es como contar cromosomas. Un gen no viene marcado: hay que reconocerlo por su secuencia, por el ARN que produce y por la proteína que sale de él, y cada catálogo pondera esas pruebas a su manera. Pero todas caen en el mismo lugar: alrededor de 19.000 a 20.000.

La palabra “gen” también tiene un sentido más amplio. Muchos tramos de ADN producen moléculas de ARN que no se traducen en proteínas. Si se suman, el genoma completo de 2022 llega a 63.494 genes.^[2] Ahí el acuerdo es mucho menor: una base de datos cuenta 19.933 genes de ARN largo no codificante y otra, 96.411, y se solapan poco.^[1] Para la mayoría de esos ARN no se sabe todavía si cumplen una función.

La pulga de agua, un crustáceo de milímetros, tiene un genoma quince veces más chico que el nuestro y al menos 30.907 genes: muchos son copias duplicadas que se especializaron para responder a cambios del ambiente.^[5] El arroz, con 37.544, tiene casi el doble que nosotros.^[4] Las cifras de otras especies vienen de primeras anotaciones y pueden bajar con los años, como pasó con la humana, pero la diferencia es demasiado grande para que desaparezca.

Cómo lo sabemos

Contar genes empezó siendo una estimación indirecta y terminó siendo un trabajo de anotación, casi de edición de texto. En 2001 se publicó el primer borrador del genoma humano, con huecos y errores; en 2004, el Consorcio Internacional de Secuenciación del Genoma Humano presentó la versión terminada: 2.850 millones de letras, alrededor del 99 % de las regiones que contienen genes, con un error cada 100.000 bases. Con esa secuencia la cuenta ya daba solo 20.000 a 25.000 genes de proteínas.^[3]

Para encontrar un gen, los programas buscan en el ADN las señales típicas: un comienzo, un final y un marco de lectura que se pueda traducir en proteína. Después se confirma con datos de laboratorio: secuencias de ARN mensajero leídas en muchos tejidos, proteínas detectadas y comparación con los genes de otras especies. Equipos de anotadores revisan caso por caso y separan los pseudogenes, copias rotas de genes que ya no producen proteína. Con cada revisión, la cifra fue bajando.^[1]

El último 8 % del genoma, lleno de secuencias repetidas, recién se leyó en 2022 con técnicas que leen tramos muy largos de ADN de una sola vez. En esos casi 200 millones de bases nuevas aparecieron 1.956 genes posibles, de los cuales solo 99 parecían codificar proteínas.^[2] Es decir, completar el genoma casi no movió el número.

Lo que se suele decir mal

“Tenemos unos 100.000 genes.” Es una cifra de los años ochenta, cuando no se había leído el genoma. Todavía aparece en libros y páginas viejas, pero la mejor estimación actual es la quinta parte.^[1]

“Más genes, organismo más complejo.” El arroz y la pulga de agua lo desmienten. Una misma receta puede leerse de varias maneras y producir distintas versiones de una proteína, y buena parte de la complejidad está en cuándo, dónde y cuánto se activa cada gen, no en cuántos hay.

“El número ya está cerrado.” No del todo. Los genes de proteínas están casi completos y las diferencias entre catálogos son de menos de mil. Lo que sigue abierto es cuántos de los miles de genes de ARN no codificante tienen una función real.^[1]