1. INTRODUCCIÓN: QUÉ SIGNIFICA PENSAR EN ÓMICAS

En Anatomía Patológica, hablar de genómica, proteómica y metabolómica no significa sustituir la morfología por una batería indiscriminada de plataformas de alto rendimiento. Significa estudiar un sistema biológico en una escala global y, después, integrar esa información con el tejido, la célula, el contexto clínico y la pregunta diagnóstica. El término «ómica» implica precisamente ese cambio de escala: en vez de preguntar por un gen, una proteína o un metabolito aislados, se interroga un conjunto amplio —idealmente sistemático— de componentes y relaciones. El resultado no es solo más datos; es un tipo diferente de problema diagnóstico, porque la señal relevante aparece dentro de una matriz de miles o millones de observaciones.

La genómica estudia el conjunto del ADN y sus variaciones; la proteómica, el repertorio de proteínas realmente expresadas, sus cantidades, isoformas, interacciones y modificaciones; la metabolómica, las pequeñas moléculas que reflejan el estado bioquímico del sistema. Entre ellas se sitúan otras capas necesarias para entender el flujo de información: epigenómica, transcriptómica, lipidómica, glicómica, interactómica y fenómica. En la práctica del patólogo, estas capas no compiten. Se complementan, porque cada una responde a preguntas distintas y está sometida a fuentes de variabilidad diferentes.

El National Human Genome Research Institute define genómica como el estudio de todo el ADN de un organismo, incluidos sus genes, elementos funcionales e interacciones; la definición fue actualizada por NHGRI en agosto de 2026. El National Cancer Institute define proteómica como el estudio de la estructura y función de las proteínas y de sus interacciones, y metabolómica como el estudio de los metabolitos presentes en células y tejidos. Estas definiciones son deliberadamente amplias: para el examen interesa comprender la lógica de cada nivel, no convertir el tema en un catálogo de tecnologías.

La WHO Classification of Tumours, 5.ª edición, consolidó una práctica que ya es cotidiana: numerosas entidades se definen o refinan combinando morfología y patología molecular. La propia serie describe la clasificación contemporánea como una síntesis de histopatología con patología digital y molecular. Para el patólogo esto tiene una consecuencia metodológica: el resultado ómico no debe interpretarse fuera de la lesión. La celularidad tumoral, la arquitectura, la necrosis, la contaminación por tejido normal, la presencia de infiltrado inflamatorio y la calidad preanalítica condicionan qué señal se observa y qué significa.

2. MAPA CONCEPTUAL: GENOMA, EPIGENOMA, TRANSCRIPTOMA, PROTEOMA Y METABOLOMA

El dogma central de la biología molecular —ADN → ARN → proteína— es útil como esqueleto, pero insuficiente para describir un tumor. La regulación epigenética decide qué regiones del genoma están accesibles; los ARN reguladores alteran estabilidad y traducción; las proteínas sufren modificaciones postraduccionales; los complejos proteicos cambian de localización; y el metabolismo responde a nutrientes, hipoxia, fármacos y microambiente. Por eso el concepto moderno es el de capas interdependientes.

La proximidad al fenotipo aumenta conforme descendemos en el esquema, pero también aumenta la labilidad. El ADN puede conservarse razonablemente bien en material fijado e incluido en parafina si la preanalítica es adecuada; el ARN es más vulnerable a degradación; las proteínas dependen de fijación, extracción y modificaciones; los metabolitos pueden cambiar en segundos o minutos por isquemia, temperatura y manipulación. Esta diferencia explica por qué la metabolómica es extremadamente sensible a la fase preanalítica y por qué un protocolo diseñado para histología convencional no puede asumirse automáticamente válido para cualquier análisis ómico.

En oposición, una trampa frecuente es identificar «ómica» con «secuenciación». La secuenciación es central en genómica y transcriptómica, pero proteómica y metabolómica se apoyan principalmente en técnicas físico-químicas como la espectrometría de masas y, en metabolómica, también la resonancia magnética nuclear. Del mismo modo, una matriz de tejidos permite analizar muchos casos por inmunohistoquímica, pero eso no convierte automáticamente el estudio en proteómica: la escala muestral y la escala molecular son conceptos distintos.

3. GENÓMICA: OBJETO, ESCALAS Y TIPOS DE ALTERACIÓN

La genómica puede ser estructural, cuando caracteriza organización y variación del genoma; funcional, cuando investiga qué elementos reguladores hacen y cómo interactúan; y comparativa, cuando contrasta genomas o poblaciones. En patología tumoral, la división más operativa es entre genómica germinal y somática. La primera puede informar predisposición hereditaria y afecta a todas las células de la línea germinal; la segunda analiza alteraciones adquiridas por el clon neoplásico. Confundir ambos planos puede tener consecuencias para el paciente y su familia.

Una variante genómica no se limita a la sustitución de una base. El patólogo molecular debe pensar en varios órdenes de magnitud: SNV o variantes de un solo nucleótido; pequeñas inserciones/deleciones; alteraciones del número de copias; pérdidas de heterocigosidad; reordenamientos estructurales; inversiones; translocaciones y fusiones; aneuploidías; expansión de repeticiones; y cambios más complejos. Cada plataforma tiene un perfil de sensibilidad distinto para cada clase. Por eso «se ha hecho NGS» no es una descripción suficiente del método.

Las consecuencias sobre la proteína también varían. Una variante sinónima o silenciosa no cambia el aminoácido codificado en el modelo clásico, aunque hoy sabemos que algunas variantes sinónimas pueden afectar splicing, estabilidad del ARN o traducción. Una variante missense cambia un aminoácido; una nonsense genera un codón de parada prematuro; un frameshift altera el marco de lectura; y las variantes en sitios de splicing pueden modificar el procesamiento del ARN. En un examen general, el concepto esencial es distinguir esas categorías sin atribuir automáticamente patogenicidad a ninguna de ellas.

La frecuencia alélica de variante o VAF es la proporción de lecturas que contienen una variante en una posición. No equivale directamente a porcentaje de células tumorales. Influyen pureza tumoral, número de copias, heterocigosidad, subclonalidad, contaminación por tejido normal y arquitectura genómica. Una VAF baja puede corresponder a un subclon verdadero, pero también a ruido técnico; una VAF aparentemente alta puede reflejar pérdida del alelo normal o amplificación. La interpretación exige conocer el diseño del ensayo y sus límites validados.

La genómica tumoral contemporánea añade el concepto de firma. Una firma mutacional es un patrón compuesto de sustituciones y contexto que puede asociarse a procesos endógenos o exposiciones. No debe confundirse con una mutación conductora individual. En la práctica clínica, algunas medidas derivadas de la genómica —como inestabilidad de microsatélites, deficiencia de reparación, carga mutacional o firmas específicas— tienen aplicaciones concretas según tumor y guía; pero el presente tema se centra en el concepto general y evita extrapolar puntos de corte entre órganos.

4. SECUENCIACIÓN: SANGER, NGS Y ESTRATEGIAS DE CAPTURA

La secuenciación de Sanger sigue siendo una referencia conceptual porque enseña qué significa leer una secuencia. Utiliza una plantilla de ADN, un cebador, ADN polimerasa, desoxinucleótidos y didesoxinucleótidos terminadores marcados. Al incorporarse un ddNTP, la cadena deja de elongarse; la separación de fragmentos permite reconstruir la secuencia. En los equipos modernos la separación es capilar y la detección fluorescente, no una electroforesis manual en gel de agarosa.

La NGS o secuenciación masiva paralela describe una familia de tecnologías capaces de leer gran número de fragmentos de forma simultánea. El flujo general incluye: extracción de ácido nucleico; preparación de biblioteca; enriquecimiento o selección, si procede; generación de señal en el instrumento; base calling; procesamiento bioinformático; detección de variantes; anotación; interpretación y emisión del informe. Cada fase puede introducir sesgo.

En oncología clínica se distinguen tres escalas frecuentes. Los paneles dirigidos estudian genes o regiones seleccionadas y concentran lecturas en una fracción pequeña del genoma; el exoma se centra principalmente en regiones codificantes; el genoma completo interroga regiones codificantes y no codificantes a escala global. No existe una estrategia universalmente «mejor». El panel dirigido suele ofrecer mayor profundidad y un circuito interpretativo más manejable; exoma y genoma aumentan la amplitud y el volumen de hallazgos, con necesidades bioinformáticas superiores.

4.1. Amplicones frente a captura por hibridación

El enriquecimiento por PCR múltiple amplifica regiones de interés mediante cebadores; es eficiente con poca cantidad de material y puede ofrecer flujos rápidos, pero puede sufrir fallos por regiones difíciles, sesgos de amplificación y diseño restringido. La captura por hibridación usa sondas complementarias para seleccionar fragmentos de una biblioteca y suele admitir diseños más amplios y flexibles. AMP/CAP 2017 considera ambos enfoques válidos si el ensayo está optimizado y validado para los tipos de variante que pretende informar.

4.2. ADN frente a ARN

El ADN es excelente para SNV, indels y muchas alteraciones de copia, mientras que el ARN puede ser especialmente informativo para fusiones expresadas, transcritos aberrantes y determinados eventos de splicing. Un panel de ARN no es simplemente «el mismo NGS con otro ácido nucleico»: cambia la calidad preanalítica, el diseño de biblioteca, los controles y el modo de interpretar los hallazgos. En FFPE, el ARN suele ser más fragmentado; por eso el laboratorio debe validar la longitud y calidad mínima que su ensayo tolera.

Las tecnologías de lectura larga constituyen otro eje. Frente a lecturas cortas, pueden facilitar el estudio de isoformas, regiones repetitivas y variantes estructurales complejas. Su adopción clínica depende de la indicación, validación y plataforma. En un tema general conviene conocer el principio sin memorizar cifras de rendimiento que cambian rápidamente entre generaciones tecnológicas.

5. MÉTRICAS DE NGS Y LECTURA CRÍTICA DEL RESULTADO

Una secuencia no se interpreta solo por «haber sido leída». La NGS produce multitud de observaciones y hay que cuantificar su calidad. El concepto más rentable de examen es la profundidad de cobertura: cuántas lecturas informativas cubren una posición. En lenguaje habitual, depth y coverage se usan a veces de forma laxa; algunos autores reservan «coverage» para el porcentaje de regiones cubiertas por encima de un umbral y «depth» para el número de lecturas por base. En el examen SAS de 2022, sin embargo, coverage se definió explícitamente como el número de lecturas de una base concreta. Debes saber responder al uso de la convocatoria y, a la vez, comprender la distinción técnica.

La profundidad influye en la capacidad de detectar variantes de baja frecuencia, pero más lecturas no corrigen un error sistemático. Si la extracción ha introducido artefactos, si el ADN está químicamente dañado o si una región no se amplifica por el diseño del panel, multiplicar secuencias no soluciona el problema. El límite de detección debe establecerse durante la validación del ensayo para cada tipo de variante relevante, según las recomendaciones AMP/CAP de 2017 (PMID: 28341590).

5.1. UMI y moléculas originales

Los identificadores moleculares únicos (UMI) etiquetan moléculas antes de la amplificación, permitiendo distinguir lecturas derivadas de la misma molécula original. Son útiles para reducir errores y estimar diversidad molecular en ensayos que buscan variantes de baja frecuencia, como determinadas aplicaciones en biopsia líquida. No convierten automáticamente un ensayo en ultrasensible: la sensibilidad real sigue limitada por el número de moléculas informativas, el ruido de fondo, la extracción y la validación.

5.2. Artefactos de FFPE

La formalina introduce fragmentación y modificaciones químicas. Entre los problemas clásicos se encuentran artefactos de desaminación, enlaces cruzados, pérdida de amplificabilidad y fragmentos cortos. Por eso la macro/microdisección, el porcentaje tumoral, el tiempo de fijación y la calidad del ácido nucleico son variables diagnósticas, no meros detalles técnicos. Un resultado negativo en una muestra muy pobre debe leerse como «no se detecta con este material y este ensayo», no como demostración absoluta de ausencia.

6. BIOINFORMÁTICA: DE LA SEÑAL BRUTA A UNA VARIANTE INTERPRETABLE

Una plataforma NGS no «entrega mutaciones». Entrega señales que deben convertirse en secuencias y después compararse con una referencia. El pipeline bioinformático es parte del ensayo y, por tanto, requiere validación. La recomendación conjunta AMP/CAP sobre pipelines de 2018 (PMID: 29154853) subraya que el procesamiento computacional tiene impacto clínico y debe evaluarse con el mismo rigor que los componentes de laboratorio húmedo.

El alineamiento sitúa lecturas respecto a un genoma de referencia. El variant caller identifica posiciones que difieren de la referencia, aplicando modelos y filtros. La anotación traduce coordenadas en genes, transcritos, consecuencias sobre proteínas y datos de conocimiento. La elección de transcrito puede cambiar la nomenclatura de una misma variante; por eso los informes deben usar nomenclatura estandarizada y referencias versionadas cuando proceda.

El problema no es solo detectar falsos positivos. También existen falsos negativos bioinformáticos: regiones repetitivas, pseudogenes, baja complejidad, homología, inserciones/deleciones complejas o fusiones fuera del diseño pueden escapar a algoritmos. El laboratorio debe validar el rendimiento dentro del espacio de variantes que declara poder detectar. No es lícito extrapolar una validación de SNV a CNV o fusiones sin datos específicos.

6.1. Bases de datos y conocimiento mutable

La clasificación clínica de una variante no es una propiedad inmutable del archivo VCF. Cambia con nueva evidencia. Una alteración que hoy carece de relevancia terapéutica puede adquirirla; otra puede perder significado. AMP/ASCO/CAP 2017 enfatiza la reevaluación continua del significado de variantes somáticas. En términos de oposición: memoriza que la evidencia se interpreta en fecha y contexto tumoral.

También hay que distinguir bases de frecuencia poblacional, bases clínicas de variantes, catálogos de cáncer y bases de ensayos/terapias. Mezclarlas genera errores. Que una variante aparezca en un catálogo oncológico no demuestra causalidad; que sea rara en población no demuestra patogenicidad; que un fármaco se asocie a la diana en otro tumor no implica acción clínica idéntica en el tumor estudiado.

7. INTERPRETACIÓN DE VARIANTES: GERMINAL NO ES SOMÁTICO

Esta es una de las fronteras más importantes del tema. Para variantes germinales de enfermedades mendelianas, las recomendaciones ACMG/AMP de 2015 (PMID: 25741868) establecieron cinco categorías: patogénica, probablemente patogénica, de significado incierto, probablemente benigna y benigna. La clasificación usa combinaciones de evidencia poblacional, computacional, funcional, de segregación y otros criterios. El sistema se ha refinado mediante especificaciones posteriores, pero la arquitectura de cinco categorías sigue siendo la referencia del examen.

En oncología somática, AMP/ASCO/CAP 2017 propuso una clasificación por relevancia clínica en cuatro niveles: Tier I, fuerte significación clínica; Tier II, potencial significación clínica; Tier III, significado clínico desconocido; y Tier IV, benignas o probablemente benignas. El eje aquí es la significación clínica en un contexto tumoral, no la probabilidad mendeliana de causar enfermedad hereditaria.

La posibilidad de un hallazgo germinal incidental o sospechado a partir de un panel tumoral obliga a circuitos clínicos definidos. Una VAF compatible con heterocigosis no basta para declarar origen germinal: el tumor puede presentar cambios de copia o clonalidad que imiten esa frecuencia. La confirmación germinal, cuando esté indicada, requiere muestra no tumoral adecuada y consentimiento/circuito de consejo genético según el contexto asistencial.

El patólogo debe separar validez analítica, validez clínica y utilidad clínica. La primera pregunta si el método mide correctamente; la segunda, si el hallazgo se relaciona con la condición; la tercera, si usarlo mejora una decisión clínica relevante. Un biomarcador puede ser técnicamente medible sin ser clínicamente útil.

8. TRANSCRIPTÓMICA Y EPIGENÓMICA COMO CAPAS FUNCIONALES

Aunque el epígrafe oficial nombra tres ómicas, comprender genómica exige conocer dos capas intermedias. La transcriptómica estudia el conjunto de transcritos de una célula o tejido. Puede medir abundancia de ARN, isoformas, splicing, fusiones y ARN no codificante. Las plataformas clásicas de microarrays de expresión fueron desplazadas en gran medida por RNA-seq para estudios amplios, aunque los perfiles dirigidos siguen teniendo aplicaciones clínicas concretas.

La expresión observada en una muestra tumoral es una mezcla. El ARN de linfocitos, fibroblastos, endotelio y tejido normal puede contribuir de forma sustancial. Dos tumores con igual alteración conductora pueden mostrar transcriptomas diferentes por estado de diferenciación o microambiente. De ahí el valor de la transcriptómica unicelular y espacial: asignan señal a tipos celulares y posiciones, reduciendo parte del promedio que introduce el análisis masivo de tejido.

La epigenómica estudia modificaciones reguladoras que no cambian la secuencia de ADN. Incluye metilación de ADN, modificaciones de histonas, organización de cromatina y accesibilidad. NHGRI define epigenética/epigenómica precisamente como cambios regulatorios sin modificación de la secuencia subyacente. En cáncer, la hipermetilación de promotores puede silenciar genes y la hipometilación global puede acompañar inestabilidad; pero cualquier afirmación clínica concreta debe anclarse a tumor y guía.

En Anatomía Patológica, los clasificadores de metilación han demostrado que una señal epigenómica global puede reconocer entidades biológicas que a veces son difíciles de resolver solo por morfología. Sin embargo, el rendimiento depende del dominio tumoral en que se haya validado el clasificador, de la referencia y del umbral de confianza; no debe extrapolarse a cualquier lesión.

9. PROTEÓMICA: DEL GEN A LA PROTEÍNA REALMENTE PRESENTE

La proteómica estudia de forma amplia el conjunto de proteínas de una célula, tejido o fluido. A diferencia del genoma, el proteoma no es fijo: varía con tipo celular, diferenciación, ciclo, microambiente, fármacos, estrés y enfermedad. Además, un solo gen puede generar múltiples productos por splicing, procesamiento proteolítico y modificaciones postraduccionales. Esa diversidad explica por qué el número de especies proteicas funcionales excede ampliamente el número de genes codificantes.

La Human Proteome Organization coordina el Human Proteome Project (HPP), lanzado en 2010. En 2025 HUPO mantiene dos pilares centrales: el proyecto centrado en cromosomas, que busca mapear proteínas codificadas por el genoma humano, y el proyecto orientado a biología/enfermedad, que estudia proteínas en sistemas y patologías. HUPO publica además guías para identificación de proteínas y estándares de interpretación de espectrometría de masas. El mensaje para el opositor es que proteómica no es una técnica única, sino un campo con estándares propios de evidencia y repositorios.

Una división clásica es entre proteómica de descubrimiento y proteómica dirigida. La primera intenta identificar y cuantificar un repertorio amplio sin seleccionar de antemano cada proteína. La segunda mide un conjunto definido con métodos optimizados y suele ser más apropiada para validación o cuantificación de candidatos. Otra distinción es bottom-up frente a top-down. En bottom-up, las proteínas se digieren en péptidos y estos se analizan por espectrometría de masas; después se infieren las proteínas de origen. En top-down se analizan proteínas intactas, lo que preserva información de proteoformas pero aumenta la complejidad técnica.

9.1. Modificaciones postraduccionales

Fosforilación, acetilación, ubiquitinación, glicosilación y otras modificaciones cambian actividad, estabilidad, localización e interacción. Un análisis de proteína total puede perder la dimensión funcional de la vía. Por eso existen subcampos como fosfoproteómica y glicoproteómica. En oncología, la fosfoproteómica puede aportar información sobre señalización activa, pero su aplicación asistencial exige una preanalítica muy estricta porque muchas fosforilaciones cambian rápidamente tras isquemia.

El rango dinámico es un problema central: unas proteínas son extremadamente abundantes y otras escasas. En plasma, por ejemplo, proteínas muy abundantes pueden ocultar biomarcadores de baja concentración. En tejido, la heterogeneidad celular también mezcla proteomas. Las técnicas de microdisección, enriquecimiento, fraccionamiento y análisis espacial buscan reducir esos problemas, cada una con sesgos propios.

10. ESPECTROMETRÍA DE MASAS Y ESTRATEGIAS PROTEÓMICAS

La espectrometría de masas (MS) es la plataforma dominante de la proteómica moderna. Simplificando, las moléculas se ionizan, los iones se separan según su relación masa/carga y se detectan. En MS/MS, un ion precursor se selecciona y fragmenta; el patrón de fragmentos permite inferir secuencia peptídica. En proteómica bottom-up, el flujo típico es extracción de proteínas → digestión en péptidos → separación cromatográfica → MS/MS → búsqueda en bases de datos → control de falsos descubrimientos → inferencia y cuantificación.

Dos fuentes de ionización clásicas son electrospray (ESI) y MALDI. ESI acopla muy bien con cromatografía líquida y análisis continuo; MALDI deposita la muestra en una matriz y la ioniza mediante láser. MALDI es especialmente relevante para imaging mass spectrometry, donde se adquiere un espectro en posiciones del corte y se reconstruye un mapa espacial de especies moleculares. Esa aproximación conecta directamente con Anatomía Patológica porque conserva información topográfica.

En adquisición de datos, DDA selecciona precursores según intensidad para fragmentarlos, mientras que DIA fragmenta de forma sistemática ventanas amplias de m/z, generando datos más complejos pero potencialmente más reproducibles para cuantificación amplia. PRIDE, recurso de EMBL-EBI, acepta datos de DDA, DIA, top-down y MS imaging; además participa en formatos de la Proteomics Standards Initiative como mzML, mzIdentML y mzTab.

La identificación proteica exige controlar la tasa de falsos descubrimientos. Los motores de búsqueda comparan espectros con péptidos teóricos; estrategias como bases target-decoy permiten estimar error. No debe confundirse «pico detectado» con «proteína identificada con alta confianza». HUPO-HPP mantiene criterios de identificación de alta confianza precisamente para evitar inflar el catálogo proteico con evidencias débiles.

10.1. Cuantificación

La cuantificación puede ser label-free o usar marcaje isotópico/químico. Los diseños con marcaje permiten multiplexar muestras, pero introducen sus propios sesgos; la cuantificación sin marcaje simplifica preparación y puede escalar bien. Para el examen no es rentable memorizar marcas comerciales: hay que entender que la cuantificación relativa y absoluta requieren controles, normalización y diseño estadístico.

11. PROTEÓMICA APLICADA A ANATOMÍA PATOLÓGICA

La aplicación más inmediata es el descubrimiento y validación de biomarcadores, pero el valor del patólogo está en añadir anatomía a la señal molecular. Una firma proteómica obtenida de tejido necrótico, estroma abundante o mezcla tumoral puede ser estadísticamente robusta y biológicamente irrelevante para la célula que interesa. La selección de área y el control morfológico son una ventaja específica de Anatomía Patológica frente a estudios que homogenizan la muestra sin supervisión.

La microdisección manual o láser puede enriquecer una población celular antes del análisis. Esto mejora pureza, pero reduce cantidad total y puede introducir sesgo de selección. Para proteínas y metabolitos, además, cualquier retraso o condición de preparación puede modificar el estado molecular. El patólogo debe documentar si la muestra es fresca, congelada o FFPE, tiempo hasta estabilización y tratamiento previo.

Una aplicación clínica consolidada de la espectrometría de masas en patología es la tipificación de depósitos en contextos concretos, como la caracterización proteómica de amiloide en centros especializados. El principio es general: la microdisección de depósito seguida de LC-MS/MS identifica péptidos y permite inferir la proteína predominante. No se debe extrapolar el rendimiento de un laboratorio experto sin validación local, pero ilustra cómo proteómica puede resolver una pregunta diagnóstica que la secuencia de ADN no responde.

La MALDI imaging permite mapear distribución molecular sobre un corte y relacionarla con arquitectura. Sus aplicaciones de investigación incluyen clasificación tisular, heterogeneidad tumoral, lípidos y fármacos. Sigue siendo una tecnología compleja para uso asistencial generalizado, con necesidades de estandarización, instrumentación y análisis de datos.

El proyecto HUPO-HPP y el repositorio PRIDE reflejan además un principio extrapolable a todo el tema: la evidencia ómica debe ser reutilizable y trazable. PRIDE conserva datos de espectrometría, identificaciones, metadatos y formatos normalizados, y forma parte de ProteomeXchange. La reproducibilidad no consiste solo en publicar una lista de proteínas diferenciales; exige conservar datos brutos, parámetros y diseño.

12. METABOLÓMICA: EL FENOTIPO BIOQUÍMICO DE PROXIMIDAD

La metabolómica estudia de forma amplia los metabolitos de bajo peso molecular presentes en células, tejidos y fluidos. Son productos o intermediarios de rutas metabólicas y pueden proceder del propio organismo, dieta, microbiota, fármacos o exposiciones. El NCI destaca precisamente que enfermedad y factores ambientales modifican cómo se producen y utilizan estos metabolitos.

El metaboloma está más próximo al estado fisiológico inmediato que el genoma, pero esa proximidad tiene un precio: es altamente dinámico. Un metabolito puede variar con ayuno, ritmo circadiano, ejercicio, medicación, función renal, microbiota, isquemia y temperatura. En tejido quirúrgico, minutos de retraso antes de congelar pueden alterar concentraciones. Por tanto, la fase preanalítica es parte inseparable del resultado.

Se distingue entre metabolómica no dirigida (untargeted), que intenta capturar un repertorio amplio de señales para descubrir patrones, y metabolómica dirigida (targeted), que cuantifica un panel predefinido de metabolitos con estándares y métodos optimizados. La primera genera hipótesis; la segunda ofrece mayor especificidad analítica para moléculas concretas. En ambas, identificar químicamente una señal es más difícil de lo que parece: isómeros, aductos y fragmentos pueden compartir características.

Un punto conceptual importante es que la abundancia de un metabolito no indica por sí misma qué reacción está acelerada. Puede acumularse por mayor producción, menor consumo, alteración de transporte o bloqueo aguas abajo. Para inferir flujo metabólico se necesitan diseños específicos, a menudo con trazadores isotópicos. Confundir concentración con flujo es una trampa frecuente en la interpretación de estudios metabólicos.

12.1. Metabolitos oncometabólicos

La oncología molecular ha popularizado el concepto de oncometabolito: metabolitos cuya acumulación anómala contribuye a la biología tumoral, a menudo interfiriendo con enzimas reguladoras y epigenética. En un tema general conviene comprender el puente entre genómica y metabolómica: una alteración genética en una enzima puede cambiar el metaboloma y, a su vez, modificar el epigenoma. La traducción clínica concreta se estudia en los temas de órganos correspondientes y debe seguir la edición WHO aplicable.

13. PLATAFORMAS METABOLÓMICAS Y DISEÑO ANALÍTICO

Las dos grandes familias de plataforma son espectrometría de masas y resonancia magnética nuclear (RMN). La MS suele acoplarse a separación por cromatografía líquida o de gases y ofrece gran sensibilidad y cobertura. La RMN es altamente reproducible y no destructiva, con preparación relativamente sencilla, pero suele tener menor sensibilidad para analitos poco abundantes. No son rivales absolutos: producen ventanas complementarias del metaboloma.

En LC-MS, la elección de columna, fase móvil, ionización y polaridad determina qué metabolitos se observan. En GC-MS, muchos analitos requieren derivatización y deben ser volátiles o volatilizables. En RMN, la señal depende de propiedades magnéticas nucleares y entorno químico. El mensaje para el patólogo es que no existe «el metaboloma completo»: cada método tiene un espacio químico observable.

La Metabolomics Standards Initiative (MSI) propuso en 2007 estándares mínimos de información para análisis químicos (PMID: 24039616) y la Metabolomics Society mantiene grupos activos de estándares, identificación y reproducibilidad. MetaboLights, repositorio de EMBL-EBI, almacena datos y metadatos de estudios de MS y RMN y trabaja con estándares de la comunidad como ISA-Tab y mzTab-M. Estas iniciativas existen porque la reproducibilidad depende de informar muestra, preparación, plataforma, adquisición, procesamiento y criterios de identificación.

13.1. Identificación de metabolitos

Una característica m/z y tiempo de retención no es automáticamente un metabolito inequívoco. La confianza aumenta con coincidencia frente a estándar auténtico, espectro de fragmentación, retención y propiedades adicionales. En estudios no dirigidos es habitual manejar niveles de anotación diferentes. En un material de oposición responsable, no conviene memorizar nombres de niveles sin especificar la recomendación concreta y su fecha; sí debes recordar que anotación putativa e identificación confirmada no son sinónimos.

13.2. Controles de calidad

Los pooled QC —mezclas representativas de las muestras— pueden inyectarse repetidamente para vigilar deriva instrumental y estabilidad. Los blancos detectan contaminación. Los estándares internos ayudan a cuantificación y control. La aleatorización del orden de análisis reduce asociación entre lote y grupo biológico. Si todos los controles se analizan primero y los casos al final, un cambio instrumental puede simular una diferencia biológica.

14. INTEGRACIÓN MULTI-ÓMICA, ESPACIAL Y UNICELULAR

Multi-ómica significa integrar dos o más capas —por ejemplo genómica, transcriptómica y proteómica— de manera que la interpretación dependa de sus relaciones. No basta con generar tres tablas y colocarlas juntas. La integración requiere normalización, correspondencia entre muestras, modelos estadísticos y una hipótesis biológica que evite correlaciones espurias.

Una alteración de ADN puede correlacionarse con sobreexpresión de ARN, incremento de proteína y cambio metabólico; cuando las capas convergen, la plausibilidad mecanística aumenta. Cuando divergen, la divergencia puede ser informativa: regulación postranscripcional, degradación proteica, feedback de vía o heterogeneidad celular. La multi-ómica no debe entenderse como una votación en la que «más capas positivas» significan automáticamente más verdad.

La single-cell omics separa perfiles por célula y permite estudiar subclones, poblaciones inmunes y estados transicionales. La ómica espacial conserva coordenadas en el tejido. Para Anatomía Patológica este último punto es esencial: la histología aporta relaciones de vecindad, arquitectura, frontera invasiva y microambiente que un homogenado pierde. Las tecnologías espaciales intentan recuperar esa dimensión sin renunciar a escala molecular.

Los desafíos son grandes: efectos de lote, profundidad desigual, pérdida de moléculas, resolución espacial, desagregación de spots con varias células, normalización entre plataformas y sobreajuste. En estudios pequeños, el número de variables puede superar ampliamente el de muestras. Esto multiplica riesgo de modelos aparentemente perfectos que no se reproducen.

14.1. Inteligencia artificial y ómicas

La IA puede aprender representaciones de datos de alta dimensionalidad e integrar histología digital con genómica. Sin embargo, un modelo necesita cohortes independientes, separación estricta entre entrenamiento y validación, control de centros y preanalítica, y evaluación del desplazamiento de dominio. Si múltiples cortes del mismo paciente caen en entrenamiento y validación, el rendimiento puede inflarse por fuga de información. El patólogo debe preguntar siempre cuál es la unidad independiente real.

En el futuro cercano, la utilidad clínica probablemente crecerá en modelos que combinen morfología con biomarcadores moleculares de forma explicable y validada. La función del patólogo no disminuye: se desplaza hacia la curación de la muestra, la integración y la evaluación de coherencia biológica.

15. CALIDAD, REPRODUCIBILIDAD Y TRAZABILIDAD

Las ómicas comparten un problema: cuanto mayor es la dimensionalidad, más oportunidades hay para encontrar asociaciones por azar. La calidad debe cubrir fase preanalítica, analítica y postanalítica. En genómica, esto incluye celularidad tumoral, extracción, biblioteca, secuenciación, pipeline e interpretación. En proteómica y metabolómica, incluye además estabilidad molecular, preparación, cromatografía, ionización, calibración, identificación y normalización.

AMP/CAP 2017 insiste en validar los paneles NGS para cada clase de variante y establecer características de rendimiento. La validación no es un número universal copiado de la bibliografía: depende del ensayo y su uso previsto. De forma análoga, los estándares HUPO/PSI y MSI buscan que la comunidad describa suficientemente los experimentos para reproducirlos y comparar resultados.

15.1. Multiplicidad y validación

Si se comparan miles de variables, un umbral nominal de p sin corrección produce falsos positivos. Por eso se usan estrategias de control de multiplicidad, como la tasa de falsos descubrimientos, y se exige validación independiente. Una firma descubierta y evaluada en la misma cohorte sobreestima rendimiento. Debe existir una fase de validación en muestras no utilizadas para seleccionar características ni ajustar el modelo.

15.2. FAIR y repositorios

Los principios FAIR —findable, accessible, interoperable, reusable— favorecen que datos y metadatos puedan encontrarse, comprenderse y reutilizarse. En proteómica, PRIDE/ProteomeXchange; en metabolómica, MetaboLights; en genómica, múltiples repositorios especializados. La disponibilidad de datos no elimina obligaciones de privacidad ni gobernanza: los datos genómicos humanos pueden ser potencialmente identificativos y requieren marcos de acceso apropiados.

16. ERRORES FRECUENTES Y TRAMPAS DE EXAMEN

16.1. «NGS es más amplia, luego siempre es mejor»

Falso. Un ensayo dirigido puede ser preferible si la pregunta clínica es concreta y necesita alta profundidad, poco tejido y respuesta rápida. La amplitud tiene costes: más regiones difíciles, más VUS, mayor carga bioinformática y potencial de hallazgos incidentales. La elección depende del uso previsto.

16.2. «Más cobertura compensa mala preanalítica»

Falso. La profundidad no reconstruye moléculas destruidas ni corrige artefactos sistemáticos. La calidad del tejido sigue siendo el primer cuello de botella.

16.3. «VAF = porcentaje de tumor»

Falso. La VAF integra pureza, copia, zigosidad y subclonalidad. Puede orientar, pero no es una traducción directa a celularidad.

16.4. «Mutación = patogénica = accionable»

Falso por tres motivos. Mutación/variante describe un cambio; patogenicidad es una interpretación biológica/clinica; accionabilidad depende del contexto, evidencia y disponibilidad de intervención. Una variante patogénica germinal puede no ser una diana terapéutica, y una variante somática accionable puede no ser «patogénica» en el sentido ACMG mendeliano.

16.5. «ARN alto = proteína alta»

Falso. Regulación postranscripcional y postraduccional rompe la equivalencia. La proteómica añade información que la transcriptómica no garantiza.

16.6. «Metabolito alto = ruta acelerada»

Falso. La concentración es resultado neto de producción, consumo, transporte y compartimentación. Para flujo hacen falta diseños específicos.

16.7. «Un tissue microarray es proteómica»

No necesariamente. Permite estudiar una diana o panel mediante IHQ en muchos casos. Es alto rendimiento por número de muestras, pero no una medición global del proteoma.

16.8. «Una variante sinónima nunca importa»

Como definición básica no cambia el aminoácido, que es lo que preguntó el SAS en 2022. Pero algunas pueden afectar splicing o regulación. En interpretación clínica no se clasifican por una etiqueta mecánica.

16.9. «Una firma ómica significativa ya es biomarcador clínico»

No. Requiere validación analítica, replicación externa, validación clínica y, si pretende guiar conducta, demostración de utilidad clínica. El paso de asociación a biomarcador es el lugar donde fracasan muchos hallazgos exploratorios.

16.10. Diseño de estudios ómicos: la dimensionalidad cambia las reglas

Un estudio ómico típico puede medir muchas más variables que pacientes. Esa situación, resumida como p mucho mayor que n, cambia la lógica estadística: si miles de genes, proteínas o metabolitos compiten por explicar una cohorte pequeña, es relativamente fácil construir una firma que separe de forma espectacular los grupos en los mismos datos que sirvieron para descubrirla. El problema no es que el algoritmo «mienta», sino que aprende también ruido específico de esa cohorte. Por eso la separación entre descubrimiento, entrenamiento, ajuste y validación debe decidirse antes de evaluar el rendimiento final.

La partición de datos debe respetar al paciente como unidad. Si existen varias áreas, cortes, réplicas técnicas o muestras longitudinales del mismo individuo, no deben repartirse sin control entre entrenamiento y prueba: el modelo podría reconocer características propias del paciente y aparentar generalización. Cuando el tamaño muestral lo permite, la validación externa en otro centro es especialmente valiosa porque introduce variaciones reales de fijación, instrumentación, población y práctica clínica.

La normalización tampoco es un trámite universal. En expresión génica corrige profundidad y composición de biblioteca; en proteómica y metabolómica puede corregir carga total, intensidad, deriva u otros factores. Una normalización inadecuada puede eliminar señal biológica o crear diferencias artificiales. El método debe ser compatible con el diseño y estar descrito con suficiente detalle para reproducirse.

Cuando se seleccionan características a partir de todos los casos antes de hacer una validación cruzada, se produce fuga de información: la selección ya ha «visto» los datos que después se presentan como prueba. Todo paso supervisado —selección de genes, imputación dependiente del grupo, ajuste de hiperparámetros— debe quedar dentro del circuito de entrenamiento. Este principio es especialmente importante en perfiles ómicos porque la enorme dimensionalidad facilita descubrir combinaciones accidentalmente predictivas.

La significación estadística de una firma tampoco demuestra utilidad diagnóstica. Un clasificador puede tener un área bajo la curva elevada y, sin embargo, aportar poco si no cambia una decisión o si su rendimiento cae en muestras pequeñas, biopsias, necrosis o baja celularidad. La pregunta clínica debe formularse antes de elegir la plataforma: qué decisión se quiere mejorar, respecto a qué estándar y en qué población. Esta lógica une ómicas con medicina basada en evidencias y evita convertir la tecnología en el objetivo.

16.11. Flujo asistencial: de la selección de bloque al informe integrado

En un servicio de Anatomía Patológica, el circuito ómico comienza antes de extraer moléculas. El patólogo revisa la preparación, confirma el diagnóstico, selecciona la zona representativa y estima la proporción tumoral o la composición celular que puede interferir. Si la lesión es pequeña, debe priorizar material entre inmunohistoquímica, FISH y métodos moleculares. La llamada «gestión del tejido» es una decisión diagnóstica: agotar el bloque en marcadores redundantes puede impedir después un estudio genómico necesario.

Tras la extracción, los controles de cantidad y calidad deben interpretarse conforme al ensayo concreto. Un valor aislado no autoriza a aceptar o rechazar cualquier muestra: cada plataforma valida sus intervalos de entrada y tolerancia. El laboratorio documenta lote, reactivos, instrumento, controles positivos/negativos, cobertura y cualquier desviación. La trazabilidad debe permitir reconstruir qué ocurrió desde el bloque hasta el resultado final.

La fase postanalítica termina en un informe que integra resultado, contexto y limitaciones. Una lista de variantes sin jerarquía no es un informe clínico. AMP/ASCO/CAP 2017 recomienda priorizar la significación y correlacionar con histología y datos clínicos. Del mismo modo, un resultado proteómico o metabolómico que alcance uso asistencial debe indicar qué método se aplicó, nivel de confianza, controles y alcance de la conclusión.

La integración con morfología también sirve para detectar incoherencias. Si un resultado molecular sugiere una entidad incompatible con arquitectura, inmunofenotipo o localización, el paso correcto no es forzar el diagnóstico, sino revisar identidad de muestra, contaminación, porcentaje tumoral, variante, técnica y diagnóstico diferencial. La discordancia puede descubrir un error preanalítico o revelar una entidad inesperada; en ambos casos exige investigación.

Finalmente, la reanalítica forma parte del ciclo de calidad. En genómica, una variante puede cambiar de clasificación con nueva evidencia; en proteómica y metabolómica, nuevos estándares o bases espectrales pueden mejorar identificaciones. El archivo de datos y metadatos debe permitir, cuando sea pertinente, revisar el significado sin repetir necesariamente todo el proceso. Por eso la bioinformática, los repositorios y la gobernanza de datos son componentes del diagnóstico molecular, no elementos accesorios.

17. PERLAS OFICIALES SAS RELACIONADAS CON EL TEMA

Estas preguntas proceden de los JSON parseados del cuadernillo oficial y de la plantilla definitiva. El SAS publica enunciado, opciones y letra; no publica argumentación. La explicación que sigue se apoya en las fuentes técnicas del tema.

18. RESUMEN DE ALTO RENDIMIENTO

Para examen, prioriza cinco asociaciones: Sanger–ddNTP; NGS–lectura masiva y cobertura; ACMG/AMP–cinco categorías germinales; proteómica–espectrometría de masas; metabolómica–MS/RMN y fuerte dependencia preanalítica. Si además distingues VAF de celularidad, proteoma de transcriptoma y metabolito de flujo, eliminas la mayoría de distractores conceptuales.

19. REFERENCIAS Y VIGENCIA DE FUENTES

19.1. Fuentes principales utilizadas

• WHO Classification of Tumours Editorial Board. Serie WHO Classification of Tumours, 5.ª edición, volúmenes publicados 2019-2025. Marco de integración entre histopatología y patología molecular.
• NHGRI. Genetics Glossary: Genomics y Epigenetics. Definición de genómica actualizada el 27 de agosto de 2026.
• Richards S, et al. ACMG/AMP. Standards and guidelines for the interpretation of sequence variants. Genet Med. 2015;17:405-424. PMID: 25741868.
• Li MM, et al. AMP/ASCO/CAP. Interpretation and reporting of sequence variants in cancer. J Mol Diagn. 2017;19:4-23. PMID: 27993330.
• Jennings LJ, et al. AMP/CAP. Validation of NGS-based oncology panels. J Mol Diagn. 2017;19:341-365. PMID: 28341590.
• Roy S, et al. AMP/CAP. Validation of NGS bioinformatics pipelines. J Mol Diagn. 2018. PMID: 29154853.
• HUPO Human Proteome Project. HPP publications and 2025 Report on the Human Proteome; Mass Spectrometry Data Interpretation Guidelines 3.0.
• EMBL-EBI PRIDE / ProteomeXchange. Repositorio de proteómica MS y estándares HUPO-PSI (mzML, mzIdentML, mzTab), consulta 2026.
• Sumner LW, et al. Metabolomics Standards Initiative, minimum reporting standards for chemical analysis. Metabolomics. 2007;3:211-221. PMID: 24039616.
• EMBL-EBI MetaboLights. Repositorio abierto de metabolómica MS/RMN y estándares asociados; descripción y flujos consultados en 2026.
• SEAP-IAP / SEOM. Documentos de consenso de medicina de precisión y biomarcadores; se utilizan como contexto de implantación española, no para extrapolar biomarcadores de un órgano a otro.

19.2. Vigencia de fuentes — agosto de 2026

19.3. Palabras clave

Genómica · NGS · Sanger · cobertura · profundidad · VAF · panel dirigido · exoma · genoma · bioinformática · variante germinal · variante somática · ACMG/AMP · AMP/ASCO/CAP · epigenómica · transcriptómica · proteómica · proteoforma · modificación postraduccional · espectrometría de masas · LC-MS/MS · MALDI · DDA · DIA · HUPO-HPP · PRIDE · metabolómica · metabolito · MS · RMN · MSI · MetaboLights · multi-ómica · single-cell · espacial · FAIR.