1
Artículo recibido 4 de julio de 2025.
Artículo aceptado 22 de septiembre de 2025.
Artículo publicado 5 de octubre de 2025.
Evolución y aplicaciones de las diferentes tecnologías de secuenciación
de ácidos nucleicos
Marichich, Paula B.
1,2
; Chalup, Laura M.
1,2
; Seijo, Guillermo J.
2,3
; Samoluk, Sebastián
S.
2,3
1
Universidad Nacional del Chaco Austral (UNCAus) Comandante Fernández Nº 755, CP 3700,
Presidencia Roque Sáenz Peña, Chaco.
paulamarichich@gmail.com, laurachalup@gmail.com
2
Instituto de Botánica del Nordeste (UNNE-CONICET) Sargento Juan Bautista Cabral 2131,
W3402BKG, Corrientes;
3
Facultad de Ciencias Exactas y Naturales y Agrimensura (FaCENA-UNNE) Av. Libertad
5470, CP 3400, Corrientes
jgseijo@yahoo.com, ssamoluk@exa.unne.edu.ar
ORCID Paula B, Marichich 0009-0005-4645-8994
ORCID Laura M, Chalup 0000-0001-5262-5051
ORCID Guillermo J, Seijo 0000-0001-8699-2044
ORCID Sebastián S, Samoluk 0000-0002-0132-3210
Resumen
El modelo de la estructura de ADN propuesto por Watson y Crick en 1953 marcó un
punto de inflexión en el desarrollo de la biología molecular y las ciencias genómicas. La
secuenciación de ácidos nucleicos se consolidó como una herramienta esencial para
explorar la estructura y función de los genomas. La publicación del genoma humano,
basado principalmente en la tecnología de secuenciación de Sanger, constituyó un
estímulo para la formación de consorcios internacionales destinados al desarrollo de
diferentes proyectos genómicos. Sin embargo, los altos costos, el bajo rendimiento y los
2
extensos tiempos necesarios por la tecnología de Sanger la volvieron ineficiente para
satisfacer dichas demandas. En las últimas dos décadas, múltiples desarrollos
tecnológicos permitieron la aparición de diversas plataformas de secuenciación de alto
rendimiento, capaces de generar lecturas nucleotídicas de millones de fragmentos de
ADN en forma paralela, con alta precisión y menor costo. El análisis de los datos
generados, gracias al desarrollo conjunto de una amplia variedad de herramientas
bioinformáticas especializadas, ha generado importantes conocimientos genómicos
aplicables a salud, agricultura, biotecnología, microbiología y sustentabilidad ambiental.
En este artículo se presenta una revisión general sobre los principios, evolución y
aplicaciones de estas tecnologías en genómica estructural y funcional.
Palabras clave: Plataformas de secuenciación, ácidos nucleicos, genómica estructural y
funcional
Abstract
Evolution and applications of different nucleic acid sequencing technologies
The DNA structure model proposed by Watson and Crick in 1953 marked a turning
point in the development of molecular biology and genomic sciences. Nucleic acid
sequencing became established as a key tool for exploring genome structure and
function. The publication of the human genome, primarily based on Sanger sequencing
technology, served as a catalyst for the formation of international consortia aimed at
advancing various genomic projects. However, the high costs, low throughput, and long
processing times associated with Sanger technology rendered it inefficient for meeting
these growing demands. Over the past two decades, numerous technological
advancements have led to the emergence of high-throughput sequencing platforms,
capable of producing nucleotide reads from millions of DNA fragments in parallel, with
high accuracy and reduced cost. The analysis of the resulting data —enabled by the
parallel development of a broad array of specialized bioinformatic tools— has generated
significant genomic insights with applications in health, agriculture, biotechnology,
microbiology, and environmental sustainability. This article presents a general overview
of the principles, evolution, and applications of these technologies in structural and
3
functional genomics.
Keywords: Sequencing platforms, nucleic acids, structural and functional genomic
INTRODUCCIÓN
Desde mediados del siglo XX, el estudio de los ácidos nucleicos —ADN y
ARN— ha transformado profundamente nuestra comprensión de los mecanismos
hereditarios, la evolución de las especies y los procesos celulares fundamentales. Estos
avances han sido posibles gracias, en gran parte, al desarrollo progresivo de tecnologías
capaces de “leer” la secuencia de nucleótidos que componen estos ácidos nucleicos. La
secuenciación, entendida como la determinación del orden exacto de las bases
nitrogenadas en una molécula de ADN o ARN, se ha convertido en una herramienta
central en las ciencias biológicas, con aplicaciones que abarcan desde la medicina
personalizada hasta la agricultura, la biotecnología, la ecología, y la investigación
forense.
Los primeros métodos prácticos para secuenciar ADN fueron desarrollados en
la década de 1970. En 1977, Maxam y Gilbert propusieron una técnica basada en la
modificación química específica de las bases nitrogenadas, seguida de la escisión
controlada de la molécula (Maxam y Gilbert, 1977). Ese mismo año, Frederick Sanger
introdujo una alternativa revolucionaria: el método de terminación de cadena, que
utiliza dideoxinucleótidos (ddNTPs) para interrumpir la síntesis del ADN en puntos
específicos (Sanger et al., 1977). Este enfoque resultó ser más eficiente y más fácil de
automatizar, lo que le permitió convertirse en la técnica estándar durante más de tres
décadas. Gracias a esta metodología, se lograron importantes logros científicos, como la
secuenciación del primer genoma completo —el del bacteriófago phiX174, de poco más
de 5.300 nucleótidos— y, décadas más tarde, la culminación del Proyecto Genoma
Humano (Waterston et al., 2001; Venter et al., 2001). Sin embargo, las limitaciones
inherentes al método de Sanger —como su baja escalabilidad, la necesidad de clonar
fragmentos y el costo elevado— motivaron el desarrollo de tecnologías más eficientes.
A partir de la década de 2000, emergieron las denominadas tecnologías de
secuenciación de nueva generación (NGS, por sus siglas en inglés), entre las que
destacan plataformas como Illumina/Solexa y SOLiD. Estas técnicas introdujeron el
4
concepto de secuenciación masiva en paralelo, permitiendo leer millones de fragmentos
de ADN simultáneamente y reduciendo drásticamente tanto los tiempos de
procesamiento como los costos asociados (Mardis, 2008). Como consecuencia, se
aceleró la expansión de nuevas áreas de investigación como la genómica estructural,
con aplicaciones tanto en organismos modelo como en organismos no modelo (John et
al., 2021).
En la última década, las llamadas tecnologías de tercera generación han llevado
la secuenciación un paso más allá. Plataformas como PacBio SMRT (Single Molecule
Real Time) y Oxford Nanopore Technologies permiten leer moléculas individuales de
ADN sin necesidad de amplificación previa, generando lecturas ultra largas y abriendo
nuevas posibilidades en el ensamblado de genomas complejos, la detección de variantes
estructurales, regiones repetitivas complejas, isoformas de ARN y modificaciones
epigenéticas (Rhoads y Au, 2015; Jain et al., 2016). Además, estas tecnologías han
posibilitado aplicaciones emergentes como la secuenciación directa de ARN y el
análisis portátil en tiempo real, lo cual es especialmente útil en entornos clínicos, en
investigación de campo o en situaciones de respuesta rápida ante brotes infecciosos
(Hilt y Ferrieri, 2022).
A la par del avance tecnológico, se ha producido una acelerada disminución en
los costos de secuenciación. Entre 2008 y 2015, el costo de secuenciar un genoma
humano completo descendió de aproximadamente 340.000 a apenas 4.200 dólares, una
caída mucho más rápida que la prevista por la Ley de Moore, que históricamente se
usaba como modelo de referencia para la evolución del poder computacional (Figura 1)
(Muir et al., 2016). Esta tendencia ha democratizado el acceso a los estudios genómicos,
permitiendo que cada vez más laboratorios y proyectos puedan incorporar análisis de
secuenciación a gran escala.
Hoy en día, las plataformas de secuenciación disponibles varían
considerablemente en cuanto a sus fundamentos técnicos, mecanismos de lectura,
precisión, longitud de lectura, costos, requerimientos instrumentales y campos de
aplicación (Metzker, 2010; Zhang et al., 2011; Heather y Chain, 2016; Hu et al., 2021).
Comprender estos aspectos resulta esencial para que cualquier investigador, estudiante o
profesional del área pueda seleccionar de manera crítica la tecnología más adecuada
5
según sus objetivos. En esta revisión se propone un abordaje integrado que recorre la
evolución de las diferentes tecnologías de secuenciación —desde los métodos pioneros
hasta las plataformas actualmente utilizadas—, destacando sus fundamentos, ventajas y
limitaciones, así como sus aplicaciones actuales y perspectivas futuras.
Figura 1: Patrones históricos en la reducción de costos por genoma y el aumento del
volumen de datos generados por plataformas de secuenciación. Los datos que se
muestran en la figura se obtuvieron del Instituto Nacional de Investigación del Genoma
Humano.
LA SECUENCIACIÓN SANGER: EL PUNTO DE PARTIDA
La técnica de Sanger, también conocida como “método de terminación por
dideoxinucleótidos”, fue desarrollada por Frederick Sanger en 1977, lo que le valió su
segundo Premio Nobel de Química en 1980. Este método de secuenciación se basa en la
incorporación competitiva de desoxirribonucleótidos (dNTPs) y dideoxinucleótidos
(ddNTPs) durante la síntesis de una cadena complementaria de ADN catalizada por una
ADN polimerasa. La clave del método reside en que los ddNTPs, al carecer de un grupo
hidroxilo en la posición 3', impiden la elongación de la cadena, generando fragmentos
de diferentes longitudes que terminan en un nucleótido específico. Inicialmente, el
método de Sanger empleaba ddNTPs marcados radiactivamente, y la secuencia se
deducía manualmente interpretando los patrones de fragmentos generados en cuatro
6
reacciones separadas y corridas en geles de acrilamida. En la actualidad, la versión
automatizada se realiza en un solo tubo con ddNTPs marcados con fluoróforos
diferentes, y posterior electroforesis capilar, permitiendo una lectura más rápida, precisa
y digitalizada de la secuencia del fragmento de ADN (Zhou et al., 2010). Aunque esta
técnica ofrece alta precisión (99.99%) y fue crucial para el desarrollo del Proyecto
Genoma Humano, su escalabilidad es limitada, con una capacidad máxima de ~1 Mb
por corrida y altos costos por base leída (Drmanacet al., 2010; Satam et al., 2023).
LA REVOLUCIÓN DE LA SEGUNDA GENERACIÓN: SECUENCIACIÓN
MASIVA EN PARALELO
Las limitaciones de la secuenciación Sanger dieron lugar, a partir de mediados
de los años 2000, a una nueva familia de tecnologías denominadas de “nueva
generación” o NGS (“Next-Generation Sequencing”), cuyo rasgo distintivo es la
capacidad de generar millones de lecturas simultáneas en un solo ensayo (Metzker,
2010; McCombie et al., 2019; Satam et al., 2023). Todas ellas se caracterizan por la
ligación de adaptadores de fragmentos de ADN, una amplificación clonal de los
fragmentos, y la secuenciación de los mismos mediante un mecanismo de síntesis
dependiente de una enzima ADN polimerasa. Los adaptadores no solo permiten la unión
del ADN a las superficies de secuenciación, sino que también incluyen secuencias
índices (barcodes), que posibilitan mezclar múltiples muestras en una misma corrida y
luego distinguirlas con precisión. Esto mejora notablemente el rendimiento y reduce
costos (Gansauge y Meyer, 2013; Hu et al., 2021).
La primera tecnología de secuenciación de nueva generación (NGS) fue el
sistema 454 GS20, lanzado en 2005 por la empresa 454 Life Sciences, fundada por
Jonathan Rothberg y posteriormente adquirida por Roche en 2007. Esta plataforma se
basa en la técnica de pirosecuenciación acoplada a PCR en emulsión, lo que hace
posible detectar en tiempo real la incorporación de nucleótidos mediante la liberación de
pirofosfato. Este subproducto genera una señal lumínica cuya intensidad es proporcional
al número de bases incorporadas, posibilitando la inferencia directa de la secuencia. El
ADN fragmentado se fija a microperlas funcionalizadas con cebadores específicos y es
amplificado dentro de microgotas de emulsión mediante PCR. Cada microesfera, que
7
contiene múltiples copias idénticas del fragmento original, se deposita en un pocillo
individual de una placa PicoTiter. Esta matriz facilita la detección paralela de las
señales lumínicas emitidas durante la síntesis del ADN. El sistema 454 representó un
hito frente al método de Sanger, ya que permitió reducir los costos y acortar los tiempos
de secuenciación necesarios para alcanzar una cobertura genómica adecuada (Zhao &
Grant, 2011). En 2008, se lanza una versión mejorada, el GS FLX Titanium, que ofrecía
ahora una longitud de lectura de 700 pb frente a los 150 pb del sistema original 454.
Finalmente, en 2010, Rothberg lanzó Ion Torrent, que reemplazó la detección óptica por
un chip que medía cambios de pH durante la síntesis de ADN. Este sistema eliminó la
necesidad de cámaras y láseres, utilizando semiconductores que detectan variaciones de
pH como consecuencia de la incorporación de nucleótidos. Aunque más compacto y
económico, mantenía limitaciones similares de precisión, particularmente en regiones
homopoliméricas (Satam et al., 2023).
En 2006, la empresa Illumina adquirió la empresa británica Solexa, que había
desarrollado una innovadora tecnología de secuenciación por síntesis (SBS). Esta
tecnología se basa en la amplificación de fragmentos de ADN mediante PCR en puente
(bridge amplification) sobre una celda de flujo, donde se lleva a cabo la secuenciación
mediante la incorporación de nucleótidos marcados con fluoróforos. Cada incorporación
genera una señal fluorescente específica que es capturada ópticamente mediante
escáneres de alta resolución, permitiendo la identificación base por base a lo largo de
millones de clústeres en paralelo (Metzker, 2010; Loman et al., 2012; Hu et al., 2021).
Los primeros equipos de secuenciación de Illumina, como Genome Analyzer (GA),
producían lecturas muy cortas (~35 pb), aunque tenían la ventaja de permitir la
secuenciación de ambos extremos de los fragmentos de ADN (paired-end), lo que
mejoró significativamente el ensamblado y la detección de variantes. Actualmente, las
plataformas más modernas como NovaSeq o NextSeq pueden generar más de 600 Gb
por corrida, con lecturas entre 75 y 300 pb, dependiendo del equipo y el kit utilizado.
Illumina comercializa múltiples plataformas adaptadas a distintos volúmenes y
propósitos, como MiniSeq, MiSeq, NextSeq, e iSeq para laboratorios de menor escala y
8
NovaSeq para proyectos masivos
1
. Gracias a su alta precisión (<1% de error),
versatilidad y bajo costo por base (~0,07 USD por millón), la tecnología de Illumina se
ha convertido en el estándar dominante en secuenciación masiva (Kulski, 2016).
Applied Biosystems en 2007, comercializó la tecnología SOLiD, una estrategia
basada en la ligación de oligonucleótidos y detección mediante terminadores
reversibles. En este sistema, el ADN se fragmenta, se ligan los adaptadores específicos
y se une a microesferas, donde se amplifica por PCR en emulsión. Las perlas se
disponen sobre una lámina de vidrio, para permitir la secuenciación por ligación con
sondas marcadas con fluoróforos. Cada ciclo de ligación es seguido de un reseteo del
molde, permitiendo que cada posición sea leída desde distintos puntos de partida, lo
cual genera redundancia y mejora la precisión del llamado de bases. Esta tecnología fue
pionera en ofrecer lecturas cortas con alta precisión. Las primeras versiones producían
35 pb y 3 Gb por ensayo (Moti et al., 2022). Su mayor fortaleza radica en la elevada
precisión lograda gracias a la doble lectura de cada base, aunque presenta desventajas
como la limitación en la longitud de lectura y los extensos tiempos de corrida. Aunque
superada por Illumina en rendimiento y longitud de lectura, SOLiD mantenía costos
competitivos y era útil para ciertos tipos de análisis donde la precisión era prioritaria
(Heather & Chain, 2016; Satam et al., 2023).
Otra tecnología destacada basada en la ligación fue la de Complete Genomics,
conocida como nanoesferas de ADN. En este enfoque, la amplificación clonal del ADN
no se realiza mediante PCR convencional. En cambio, se utiliza amplificación por
círculo rodante (RCA), generando largas moléculas de ADN con múltiples repeticiones
de la secuencia molde. Estas cadenas se pliegan en estructuras compactas conocidas
como nanoesferas, que se fijan a una superficie sólida para su secuenciación. La
secuenciación se llevaba a cabo mediante la técnica cPAL (combinatorial Probe-Anchor
Ligation), que utiliza sondas fluorescentes de 10 nucleótidos, con una base específica en
una posición determinada, que se hibridaban y ligaban a oligonucleótidos
complementarios a los adaptadores. La señal fluorescente registrada indicaba la base
correspondiente, y tras cada lectura se iniciaba una nueva ronda en otra posición. En
2015, la empresa fue adquirida por BGI (Beijing Genomics Institute) quien integró esta
1
https://www.illumina.com/systems/sequencing-platforms.html
9
tecnología en su sistema Revolocity, diseñado para la secuenciación de genomas y
exomas con alta cobertura (~50x). Más recientemente, se han desarrollado plataformas
derivadas como DNBSEQ y CoolMPS, que compiten con Illumina en términos de
rendimiento y costos por base (Zhao & Grant, 2011; Heather & Chain, 2016; Kulski,
2016).
A pesar de sus ventajas en rendimiento y costo por base, las tecnologías de
segunda generación presentan limitaciones importantes: las lecturas cortas dificultan la
reconstrucción de genomas altamente repetitivos o fragmentados, y la necesidad de PCR
puede introducir sesgos, especialmente en regiones ricas en AT o GC (Goodwin et al.,
2016). Estas limitaciones abrieron el camino hacia la aparición de tecnologías de tercera
generación, enfocadas en la lectura directa de moléculas individuales de ADN.
SECUENCIACIÓN DE TERCERA GENERACIÓN: TECNOLOGÍAS DE
LECTURA LARGA EN TIEMPO REAL
La necesidad de obtener genomas cada vez más completos o de alta resolución,
así como de resolver variantes estructurales complejas, condujo con el tiempo al
desarrollo de métodos de secuenciación cada vez más sofisticados. Esto marcó un
nuevo hito en la evolución de las tecnologías genómicas, con la aparición de métodos
que permiten lecturas largas, secuenciación directa y mayor resolución estructural.
Estas nuevas tecnologías superan limitaciones de la segunda generación, como la baja
longitud de lectura, los errores en regiones repetitivas y la dependencia de amplificación
previa. Estas plataformas constituyen lo que hoy se conoce como tecnologías de
“tercera generación” o “long-read sequencing” (Hu et al., 2021). Las dos más
relevantes, tanto por su impacto académico como por su crecimiento comercial, son
Pacific Biosciences (PacBio) y Oxford Nanopore Technologies (ONT).
La primera tecnología en consolidarse fue desarrollada por PacBio en 2010 con
Single Molecule Real-Time sequencing (SMRT). Esta tecnología permite observar en
tiempo real la incorporación de nucleótidos en una única molécula de ADN durante la
síntesis, sin amplificación. Esto es posible gracias al uso de un chip denominado SMRT
Cell. Estas estructuras contienen miles de nanocavidades denominadas zero-mode
waveguides (ZMWs), las cuales permiten focalizar la señal fluorescente de la actividad
10
de la ADN polimerasa en un volumen extremadamente reducido, permitiendo detectar
eventos individuales de incorporación de nucleótidos con gran sensibilidad y resolución
temporal (Eid et al., 2009; Metzker, 2010). El ADN molde se circulariza mediante
adaptadores SMRTbell, lo que da lugar a la polimerasa recorrer repetidamente la misma
secuencia y generar múltiples lecturas (subreads), que se combinan luego en una lectura
de alta fidelidad o HiFi. Este enfoque permite corregir errores aleatorios asociados a
lecturas individuales largas, mejorando significativamente la precisión. Las lecturas
HiFi alcanzan longitudes de 10 a 25 kb con una precisión de ~99.8% comparable o
superior a la de Illumina (Wenger et al., 2019; Hu et al., 2021). Gracias a esta
combinación única de precisión y cobertura, las lecturas HiFi se han convertido en una
herramienta clave para ensamblados de novo, análisis estructurales complejos y estudios
en regiones genómicas altamente repetitivas o difíciles de mapear.
En 2015, Oxford Nanopore Technologies (ONT) propuso un cambio radical en
las técnicas de secuenciación de ADN al reemplazar la detección por fluorescencia con
la medición de variaciones en una corriente iónica. Su principio se basa en hacer pasar
una molécula de ADN o ARN a través de un nanoporo proteico, insertado en una
membrana artificial, mientras se mide la corriente iónica. Cada nucleótido que atraviesa
el poro altera la señal eléctrica de manera característica, y estas perturbaciones son
interpretadas por algoritmos de basecalling para inferir la secuencia (Kasianowicz et al.,
1996; Huang et al. 2015). Entre las plataformas brindadas por ONT, se encuentra el
MinION, un dispositivo portátil de 90 g (Figura 2). Su componente clave es una celda
que contiene 2048 nanoporos direccionables de forma individual, ofreciendo la
posibilidad de paralelizar la secuenciación de múltiples moléculas. Previo a la
secuenciación, se ligan adaptadores al ADN para facilitar su reconocimiento por enzima
helicasa que controla el avance del ADN a través del poro. Un adaptador tipo horquilla
une ambas hebras de la molécula, permitiendo una secuenciación continua de la hebra
sentido y antisentido. Durante el paso del ADN, los cambios en la corriente iónica
generados por cada combinación de base se segmentan en eventos eléctricos discretos
que son interpretados por algoritmos de basecalling. Su portabilidad ha permitido su
uso en terreno, incluso en condiciones extremas, como estaciones polares o zonas de
brotes epidémicos (Jain et al., 2016; Quick et al., 2016). También se encuentran
11
disponibles plataformas no portables (GridION y PromethION) que superan a MinION
en capacidad y escalabilidad. Mientras que MinION permite correr una sola flow cell y
depende de una computadora externa, GridION puede ejecutar hasta 5 flow cells en
paralelo con basecalling incluido, y PromethION escala aún más, permitiendo
secuenciar hasta 48 flow cells simultáneamente, ideal para estudios a gran escala como
genómica o transcriptómica masiva (Kumar et al., 2019; Oxford Nanopore
Technologies, 2018).
Figura 2: Vista comparativa del secuenciador MinION versión Mk1C (Oxford
Nanopore Technologies) junto a un marcador indeleble que destaca la portabilidad de
este dispositivo.
Las plataformas de secuenciación de ONT se destacan por generar lecturas
ultra largas, de hasta 2 Mb, lo que las convierte en herramientas valiosas para
ensamblados de novo, resolución de regiones repetitivas y detección de variantes
estructurales complejas (Jain et al., 2016). Otra ventaja significativa es la posibilidad de
secuenciar ARN directamente, sin necesidad de retrotranscripción a ADNc, lo que
permite detectar modificaciones post-transcripcionales en tiempo real (Garalde et al.,
2018). Además, Schreiber et al. (2013) demostraron que los sistemas de nanoporos
pueden detectar variaciones covalentes en citocinas, lo que posiciona a esta tecnología
como una herramienta eficaz para el análisis epigenético directo. Aunque las lecturas
individuales presentan una menor precisión (90-98%), especialmente en regiones
homopoliméricas, los avances en algoritmos de basecalling y en las quimiotecas han
mejorado notablemente esta limitación (Bayega et al., 2021), y el uso de identificadores
12
moleculares únicos (UMIs) ha permitido aumentar aún más la precisión del análisis
final (Karst et al., 2021).
APLICACIONES DE NGS
El desarrollo de plataformas de secuenciación de nueva generación (NGS),
junto con métodos innovadores para la preparación de bibliotecas de distintas fracciones
de ácidos nucleicos, han producido un gran cambio en el campo de las ciencias
genómicas. La generación masiva y a costos relativamente bajos de datos genómicos,
han impulsado el diseño de herramientas bioinformáticas cada vez más sofisticadas para
su análisis. Como resultado, ha sido posible consolidar las bases de la genómica
estructural y funcional, ampliando nuestro conocimiento sobre la organización,
expresión y regulación de los genomas en una gran diversidad de áreas como la
medicina, la agricultura y la ecología. Entre las aplicaciones genómicas más relevantes
se destacan la secuenciación de genomas completos, exomas y transcriptomas (RNA-
seq), el análisis de interacción proteína-ADN mediante ChIP-seq, la caracterización de
patrones epigenéticos como la metilación del ADN, estudios metagenómicos y
metatranscriptómicos, y el mapeo de la accesibilidad de la cromatina.
Secuenciación del genoma completo
La secuenciación del genoma completo (WGS, por sus siglas en inglés) es una
herramienta fundamental para analizar el ADN de un organismo en su totalidad,
incluyendo tanto regiones codificantes como no codificantes (Ng y Kirkness, 2010). El
establecimiento de genomas de referencia, iniciado con el Proyecto Genoma Humano
(1990- 2003), fue clave para impulsar esta metodología (Chial, 2008). Desde entonces,
los avances en tecnologías de secuenciación de alto rendimiento han ido mejorando
significativamente la calidad del ensamble, obteniéndose las versiones más completas y
recientes del genoma humano, las versiones GRCh38 y T2T-CHM13 (Aganezov et al.,
2022). El establecimiento del genoma humano como referencia marcó un hito que ha
servido de punto de partida para el desarrollo de múltiples iniciativas genómicas a nivel
global. Proyectos como el International Wheat Genome Sequencing Consortium, el Rice
Genome Project y el Peanut Genome Initiative han centrado sus esfuerzos en la
obtención de genomas completos de especies de interés agronómico, impulsando así el
13
avance en la mejora genética y la agricultura de precisión. Asimismo, la secuenciación
genómica de individuos y la comparación contra un genoma de referencia previamente
conocido es ampliamente utilizada para identificar variaciones genéticas en numerosos
campos como la medicina y la agrobiotecnología.
Secuenciación de exomas
La secuenciación del exoma completo es una técnica que permite analizar
específicamente las regiones codificantes del genoma, conocidas como exones,
mediante su captura con sondas específicas. Al representar menos del 2% del genoma
eucariota, la secuenciación del exoma resulta una alternativa más económica y
focalizada que el WGS. Su aplicación ha sido fundamental para identificar mutaciones
codificantes asociadas a enfermedades humanas (Bamshad et al., 2011). Sin embargo,
también ha sido ampliamente utilizada en otras especies. Por ejemplo, en maíz (Zea
mays), se ha estimado que los polimorfismos en regiones génicas explican gran parte de
la variación natural en caracteres cuantitativos (Li et al., 2012). En trigo, experimentos
de secuenciación de exones fueron realizados con el fin generar una base de datos de
mutantes de trigo, que contiene mutaciones inducidas por diferentes agentes
mutagénicos, con el propósito de proveer una mejor comprensión de la biología y
fomentar el mejoramiento agronómico de este cultivo (Xiong et al., 2023). En el maní
cultivado (Arachis hypogaea), la secuenciación de los exomas de más de 50 accesiones
de la especie diploide silvestre Arachis duranensis ha sido utilizada en análisis
genómicos comparativos para identificar la población de esta especie que más
probablemente habría participado como parental materno en el proceso de
alopoliploidización que dió origen al maní (Bertioli et al., 2019).
Secuenciación de ARN
El transcriptoma comprende el conjunto completo de transcritos presentes en
un tipo celular o tejido determinado, en una etapa específica del desarrollo o bajo una
condición fisiológica o ambiental particular. El análisis transcriptómico ofrece una
visión integral de los mecanismos moleculares involucrados en diversos procesos,
revelando información clave sobre la estructura, función y regulación de los genes (Wei
et al., 2011). Actualmente, la caracterización del transcriptoma se realiza mediante
14
plataformas de secuenciación de alto rendimiento originalmente diseñadas para ADN.
Por ello, es necesario convertir enzimáticamente el ARN en ADN complementario
(ADNc) antes del proceso de secuenciación. Esta estrategia ha sido ampliamente
utilizada para el ensamblaje y anotación de transcriptomas, la identificación de genes
diferencialmente expresados, el estudio de variantes de splicing alternativo y el análisis
de ARN no codificantes. La combinación de análisis de datos transcriptómicos y datos
de secuenciación genómica han sido ampliamente utilizados para conocer las bases
moleculares responsables de la aparición de ciertos rasgos fenotípicos en diferentes
organismos. En este sentido, en el sector agropecuario, el análisis conjunto de datos
genómicos y transcriptómicos ha permitido identificar genes asociados a la tolerancia al
estrés, lo que ha facilitado el desarrollo de cultivos más resilientes frente al cambio
climático (Roy et al., 2024), y ha profundizado nuestra comprensión de los mecanismos
moleculares en plantas (Purugganan y Jackson, 2021) y al diagnóstico eficiente de
enfermedades vegetales (Saeed et al., 2023). En medicina, han impulsado el desarrollo
de la genómica personalizada, permitiendo diagnósticos más precisos de enfermedades
raras y comunes, el diseño de inmunoterapias, y la implementación de tratamientos
guiados por el perfil genómico de los pacientes (Popova y Carabetta, 2024). Por
ejemplo, estudios combinados de genomas y transcriptomas hacen posible la
identificación de mecanismos de resistencia o sensibilidad a los distintos fármacos,
como el caso de mutaciones o sobreexpresión de genes como P53, HER2, BRCA1,
BARD1 o genes relacionados con proteínas de shock térmico (Hsp70), que están
asociadas a resistencia a ciertos fármacos en cánceres como el de ovario o mama
(Khodadadian et al., 2020).
Inmunoprecipitación de la cromatina y secuenciación
Las modificaciones de histonas, como la acetilación, metilación, fosforilación,
entre otras, son marcas epigenéticas críticas que regulan la estructura de la cromatina y,
en consecuencia, la expresión génica. Para identificar regiones del ADN asociadas a
estas modificaciones, se emplea la técnica de Chip-Seq, que combina
inmunoprecipitación con anticuerpos específicos y secuenciación de los fragmentos
recuperados mediante NGS (Park, 2009; Furey, 2012). Por ejemplo, la secuenciación de
fragmentos de ADN capturados mediante la utilización de anticuerpos específicos de la
15
trimetilación y de la acetilación de lisina 9 de la histona H3 (H3K9me3) permiten
detectar regiones asociada con la heterocromatina y con potenciadores y promotores
activos, respectivamente (Nakato y Sakata, 2021). Cabe destacar que el uso de Chip-seq
ha sido fundamental para la anotación de los estados de la cromatina en una amplia
variedad de líneas celulares y tejidos, gracias al trabajo de grandes consorcios como
ENCODE, el Roadmap Epigenomics Consortium y el International Human Epigenome
Consortium (Nakato y Sakata, 2021).
Análisis de metilación del ADN
La metilación del ADN es una de las modificaciones epigenéticas más
estudiadas y se refiere a la adición de un grupo metilo en el carbono 5 de la base
citosina (5-metilcitosina, 5mC), especialmente en dinucleótidos CpG. Las tecnologías
de NGS han permitido analizar los patrones de metilación con resolución de nucleótido
individual. Entre los métodos más utilizados para el análisis de metilación mediante
NGS se destacan la secuenciación del genoma completo con bisulfito, que permite una
cobertura global de los sitios CpG, y la secuenciación con bisulfito de representación
reducida (RRBS), que utiliza enzimas de restricción para enriquecer regiones ricas en
CpG y reducir costos de secuenciación (Satam et al., 2023). Más recientemente, la
secuenciación de ONT se ha presentado como una alternativa innovadora. Esta
tecnología detecta directamente modificaciones epigenéticas sin necesidad de
tratamientos químicos, mediante el análisis de los cambios en la señal eléctrica que se
producen cuando las bases modificadas, como la 5mC, atraviesan un nanoporo. Estos
enfoques han revolucionado el estudio epigenético del ADN, proporcionando
herramientas fundamentales para comprender cómo la metilación actúa como un
regulador clave de procesos celulares y del desarrollo en eucariotas superiores
(Schreiber et al., 2022).
Metagenómica y metatranscriptómica
La metagenómica se refiere al análisis de comunidades microbianas presentes
en muestras ambientales mediante la caracterización cualitativa y cuantitativa de
secuencias de ADN (Hugenholtz & Tyson, 2008). Este enfoque evita la necesidad de
aislar y cultivar los microorganismos en laboratorio, permitiendo estudiar directamente
16
comunidades complejas presentes en agua, sedimentos, plantas, contenidos intestinales,
muestras bentónicas y heces, provenientes de ambientes acuáticos y terrestres. El
desarrollo de tecnologías de NGS ha sido clave para obtener directamente datos
genómicos a partir de estas muestras (Sogin et al., 2006). Actualmente, se emplean dos
estrategias principales en los análisis metagenómicos: la secuenciación dirigida
(targeted sequencing), basada en la amplificación de genes marcadores como el 16S
rRNA (bacterias y arqueas), el 18S rRNA (eucariotas) o el ITS (hongos); y la
metagenómica de secuenciación masiva (shotgun metagenomics), que implica la
secuenciación directa de todo el ADN presente en la muestra, sin amplificación previa.
En paralelo, la metatranscriptómica ha emergido como una herramienta complementaria
que permite explorar la expresión génica dentro de comunidades microbianas en
contextos ambientales (Aplakidou et al., 2024).
Tanto la metagenómica como la metatranscriptómica tienen aplicaciones claves
en múltiples disciplinas. La secuenciación masiva de ADN ha permitido monitorear
biodiversidad marina y terrestre (Othman et al. 2021), evaluar la calidad ambiental
(Cameron et al. 2021) y para la identificación de especímenes biológicos in situ
(Pomerantz et al., 2022) abriendo nuevas perspectivas para análisis ecológicos y
evolutivos. En salud humana, la metagenómica ha permitido caracterizar el microbioma
intestinal y su vínculo con enfermedades como la obesidad o la enfermedad inflamatoria
intestinal (Turnbaugh et al., 2006; Qin et al., 2010), mientras que la metatranscriptómica
ha revelado patrones de expresión génica microbiana durante infecciones o tratamientos
antimicrobianos (Franzosa et al., 2014). En el ámbito de la salud pública, fueron
esenciales para la detección temprana y el monitoreo de variantes del SARS-CoV-2
(John et al., 2021), la vigilancia de la resistencia antimicrobiana (Struelens & Palm,
2024). En agricultura, se han empleado para identificar microorganismos promotores
del crecimiento vegetal y estudiar su expresión bajo condiciones de estrés abiótico
(Sessitsch et al., 2012; Naylor et al., 2017). En biotecnología industrial, han facilitado el
descubrimiento de enzimas novedosas con aplicaciones en biodegradación de plásticos
y producción de biocombustibles (Takasuka et al., 2014; Berlemont y Martiny, 2015).
Además, en seguridad alimentaria, estas herramientas se emplean para la trazabilidad de
productos, la detección de patógenos y la vigilancia de brotes (Masenya et al., 2024).
17
Mapeo de accesibilidad de la cromatina
La caracterización de los elementos reguladores en “cis”, como promotores y
potenciadores, resultan fundamentales para comprender los mecanismos que regulan la
transcripción génica. Uno de los métodos utilizados para localización de estas regiones
en el genoma es la técnica DNase-seq, que combina la digestión del ADN genómico con
nucleasa ADNasa I seguida de secuenciación NGS. Esta técnica fue una de las primeras
herramientas genómicas desarrolladas para identificar estas regiones, y se aplicó
ampliamente en proyectos colaborativos como ENCODE y Roadmap Epigenomics
(Karabacak Calviello et al., 2019). Por otra parte, Buenrostro y colaboradores (2013)
desarrollaron un método que utiliza la enzima transposasa Tn5 modificada para
fragmentar y etiquetar regiones accesibles de la cromatina, las cuales son
posteriormente secuenciadas mediante NGS. Entre múltiples aplicaciones de esta
técnica, en Tritipyrum, por ejemplo, ATAC-seq permitió mapear regiones accesibles del
genoma en en respuesta a estrés salino, particularmente motivos de unión a factores de
transcripción de las familias MYB, AP2/EREBP, bZIP, bHLH y WRKY (Tian et al.,
2024).
PERSPECTIVAS FUTURAS
Las perspectivas futuras en el campo de la secuenciación apuntan a una
integración aún más profunda entre tecnologías genómicas y aplicaciones clínicas,
agrícolas y ecológicas. Se prevé que el desarrollo de métodos más rápidos, económicos
y precisos —incluyendo plataformas híbridas y enfoques de lectura ultra-larga—
permitirá una secuenciación verdaderamente ubicua y democratizada. En particular,
aplicaciones emergentes como la secuenciación a nivel de célula única y la epigenómica
de alta resolución abrirán nuevas posibilidades para caracterizar la heterogeneidad
celular, los mecanismos regulatorios y la adaptación a diferentes entornos biológicos.
Estas tendencias, junto con la consolidación de datos multi-ómicos, marcarán los
próximos avances en la genómica de precisión
CONCLUSIONES
18
La evolución de las tecnologías de secuenciación ha transformado
profundamente las ciencias genómicas. Desde la precisión y simplicidad del método de
Sanger, pasando por la masividad y reducción de costos de la nueva generación, hasta la
resolución estructural y versatilidad de las tecnologías de tercera generación. Estas
plataformas han permitido consolidar la genómica estructural y funcional, generar
genomas de referencia de alta calidad, impulsar la medicina personalizada, y abrir
nuevas oportunidades en agricultura, biotecnología, microbiología y ciencias
ambientales. Si bien el futuro señala la expansión hacia la secuenciación de célula
única, la epigenómica y la integración multi-ómica, los avances actuales ya constituyen
un cambio de paradigma en la forma de explorar y comprender la información genética.
19
REFERENCIAS BIBLIOGRÁFICAS
Aganezov S, Yan SM, Soto DC, Kirsche M. (2022) A complete reference genome
improves analysis of human genetic variation. Science 376-533.
Amodio, N., Raimondi, L., Juli, G., Stamato, M. A., Caracciolo, D., Tagliaferri, P.,
Tassone, P. (2018). MALAT1: a druggable long non-coding RNA for targeted anti-
cancer approaches. Journal of hematology & oncology, 11, 1-19.
Aplakidou E, Vergoulidis N, Chasapi M et al (2024) Visualizing metagenomic and
metatranscriptomic data: a comprehensive review. Comput Struct Biotechnol J
23:2011–2033.
Bamshad, M. J., Ng, S. B., Bigham, A. W., Tabor, H. K., Emond, M. J., Nickerson, D.
A., Shendure, J. (2011). Exome sequencing as a tool for Mendelian disease gene
discovery. Nature Reviews Genetics, 12(11), 745-755.
Bayega, A., Oikonomopoulos, S., Gregoriou, M. E., Tsoumani, K. T., Giakountis, A.,
Wang, Y. C., Ragoussis, J. (2021). Nanopore long-read RNA-seq and absolute
quantification delineate transcription dynamics in early embryo development of an
insect pest. Scientific reports, 11(1), 7878.
Berlemont, R., Martiny, A. C. (2015). Genomic potential for polysaccharide
deconstruction in bacteria. Applied and environmental microbiology, 81(4), 1513-
1519.
Cameron, E. S., Schmidt, P. J., Tremblay, B. J. M., Emelko, M. B., & Müller, K. M.
(2021). Enhancing diversity analysis by repeatedly rarefying next generation
sequencing data describing microbial communities. Scientific reports, 11(1),
22302.
20
Chial, H. (2008). DNA sequencing technologies key to the Human Genome Project.
Nature Education, 1(1).
Bertioli, D. J., Jenkins, J., Clevenger, J., Dudchenko, O., Gao, D., Seijo, G., Schmutz, J.
(2019). The genome sequence of segmental allotetraploid peanut Arachis
hypogaea. Nature genetics, 51(5), 877-884.
Drmanac, R., Sparks, A. B., Callow, M. J., Halpern, A. L., Burns, N. L., Kermani, B.
G., Reid, C. A. (2010). Human genome sequencing using unchained base reads on
self-assembling DNA nanoarrays. Science, 327(5961), 78-81.
Eid, J., Fehr, A., Gray, J., Luong, K., Lyle, J., Otto, G., ... & Turner, S. (2009). Real-
time DNA sequencing from single polymerase molecules. Science, 323(5910),
133-138.
Franzosa, E. A., Morgan, X. C., Segata, N., Waldron, L., Reyes, J., Earl, A. M.,
Huttenhower, C. (2014). Relating the metatranscriptome and metagenome of the
human gut. Proceedings of the National Academy of Sciences, 111(22), E2329-
E2338.
Furey, T. S. (2012). ChIP–seq and beyond: new and improved methodologies to detect
and characterize protein–DNA interactions. Nature Reviews Genetics, 13(12), 840-
852.
Gansauge, M. T., Meyer, M. (2013). Single-stranded DNA library preparation for the
sequencing of ancient or damaged DNA. Nature protocols, 8(4), 737-748.
Garalde, D. R., Snell, E. A., Jachimowicz, D., Sipos, B., Lloyd, J. H., Bruce, M.,
Turner, D. J. (2018). Highly parallel direct RNA sequencing on an array of
nanopores. Nature methods, 15(3), 201-206.
21
Goodwin, S., McPherson, J. D., & McCombie, W. R. (2016). Coming of age: ten years
of next-generation sequencing technologies. Nature reviews genetics, 17(6), 333-
351.
Gong, Y., Li, Y., Liu, X. et al. (2023) A review of the pangenome: how it affects our
understanding of genomic variation, selection and breeding in domestic animals? J
Animal Sci Biotechnol 14, 73.
Heather, J. M., Chain, B. (2016). The sequence of sequencers: The history of
sequencing DNA. Genomics, 107(1), 1-8.
Hilt, E. E., Ferrieri, P. (2022). Next generation and other sequencing technologies in
diagnostic microbiology and infectious diseases. Genes, 13(9), 1566.
Hu, T., Chitnis, N., Monos, D., Dinh, A. (2021). Next-generation sequencing
technologies: An overview. Human immunology, 82(11), 801-811.
Huang, S., Romero-Ruiz, M., Castell, O. K., Bayley, H., Wallace, M. I. (2015). High-
throughput optical sensing of nucleic acids in a nanopore array. Nature
nanotechnology, 10(11), 986-991.
Hugenholtz, P., Tyson, G. W. (2008). Metagenomics. Nature, 455(7212), 481-483.
Jain, M., Olsen, H. E., Paten, B., Akeson, M. (2016). The Oxford Nanopore MinION:
delivery of nanopore sequencing to the genomics community. Genome biology, 17,
1-11.
John, T. M., Jacob, C. N., Kontoyiannis, D. P. (2021). When uncontrolled diabetes
mellitus and severe COVID-19 converge: the perfect storm for mucormycosis.
Journal of fungi, 7(4), 298.
22
Karabacak Calviello, A., Hirsekorn, A., Wurmus, R., Yusuf, D., Ohler, U. (2019).
Reproducible inference of transcription factor footprints in ATAC-seq and DNase-
seq datasets using protocol-specific bias modeling. Genome biology, 20, 1-13.
Karst, S. M., Ziels, R. M., Kirkegaard, R. H., Sørensen, E. A., McDonald, D., Zhu, Q.,
Albertsen, M. (2021). High-accuracy long-read amplicon sequences using unique
molecular identifiers with Nanopore or PacBio sequencing. Nature methods, 18(2),
165-169.
Kasianowicz, J. J., Brandin, E., Branton, D., Deamer, D. W. (1996). Characterization of
individual polynucleotide molecules using a membrane channel. Proceedings of
the National Academy of Sciences, 93(24), 13770-13773.
Khodadadian, A., Darzi, S., Haghi-Daredeh, S., Sadat Eshaghi, F., Babakhanzadeh, E.,
Mirabutalebi, S. H., Nazari, M. (2020). Genomics and Transcriptomics: The
Powerful Technologies in Precision Medicine. International Journal of General
Medicine, 13, 627–640.
Kingsmore, S. F., Smith, L. D., Kunard, C. M., Bainbridge, M., Batalov, S., Benson,
W., Defay, T. (2022). A genome sequencing system for universal newborn
screening, diagnosis, and precision medicine for severe genetic diseases. The
American Journal of Human Genetics, 109(9), 1605-1619.
Kirkness, E. F., Haas, B. J., Sun, W., Braig, H. R., Perotti, M. A., Clark, J. M.,
Pittendrigh, B. R. (2010). Genome sequences of the human body louse and its
primary endosymbiont provide insights into the permanent parasitic lifestyle.
Proceedings of the National Academy of Sciences, 107(27), 12168-12173.
Kumar, A., Sharma, V. K., Kumar, P. (2019). Nanopore sequencing: The
fourthgeneration sequencing. J Entom Zool Stud, 7, 1400-1403.
23
Kulski, J. (Ed.). (2016). Next generation sequencing: advances, applications and
challenges. 1-95.
Li X, Zhu C, Yeh CT, Wu W, Takacs EM, Petsch KA, Tian F, Bai G, Buckler ES,
Muehlbauer GJ, Timmermans MC, Scanlon MJ, Schnable PS, Yu J (2012b) Genic
and nongenic contributions to natural variation of quantitative traits in maize.
Genome Res 22:2436–2444
Loman, N. J., Misra, R. V., Dallman, T. J., Constantinidou, C., Gharbia, S. E., Wain, J.,
Pallen, M. J. (2012). Performance comparison of benchtop high-throughput
sequencing platforms. Nature biotechnology, 30(5), 434-439.
Mardis, E. R. (2008). Next-generation DNA sequencing methods. Annu. Rev. Genomics
Hum. Genet., 9(1), 387-402.
Masenya, K., Manganyi, M. C., & Dikobe, T. B. (2024). Exploring cereal
metagenomics: unravelling microbial communities for improved food
security. Microorganisms, 12(3), 510.
Matheson, P., McGaughran, A. (2022). Genomic data is missing for many highly
invasive species, restricting our preparedness for escalating incursion rates.
Scientific Reports, 12(1), 13987.
Maxam, A. M., Gilbert, W. (1977). A new method for sequencing DNA. Proceedings of
the National Academy of Sciences, 74(2), 560-564.
McCombie, W. R., McPherson, J. D., Mardis, E. R. (2019). Next-generation sequencing
technologies. Cold Spring Harbor perspectives in medicine, 9(11), a036798.
Metzker, M. L. (2010). Sequencing technologies—the next generation. Nature reviews
genetics, 11(1), 31-46.
24
Moti, T. B., Guyassa, C., Dima, C., Home, M. (2022). Illumina sequencing technology
review. image, 10, 25-31.
Muir, P., Li, S., Lou, S., Wang, D., Spakowicz, D. J., Salichos, L., Gerstein, M. (2016).
The real cost of sequencing: scaling computation to keep pace with data
generation. Genome biology, 17, 1-9.
Nakato, R., Sakata, T. (2021). Methods for ChIP-seq analysis: a practical workflow and
advanced applications. Methods, 187, 44-53.
National Human Genome Research Institute. DNA Sequencing Costs: Data from the
NHGRI Genome Sequencing Program (GSP).
http://www.genome.gov/sequencingcosts. Accessed 22 Feb 2016.
Naylor, D., DeGraaf, S., Purdom, E., Coleman-Derr, D. (2017). Drought and host
selection influence bacterial community dynamics in the grass root microbiome.
The ISME journal, 11(12), 2691-2704.
Ng PC, Kirkness EF (2010) Whole genome sequencing. Methods Mol Biol 628:215–
226.
Othman, N., Haris, H., Fatin, Z., Najmuddin, M. F., Sariyati, N. H., Md-Zain, B. M.,
Abdul-Latiff, M. A. B. (2021, April). A review on environmental DNA (eDNA)
metabarcoding markers for wildlife monitoring research. In IOP conference series:
Earth and environmental science (Vol. 736, No. 1, p. 012054). IOP Publishing.
Oxford Nanopore Technologies. (2018). MinION Mk1B IT requirements. Recuperado
de https://nanoporetech.com/document/requirements
Park, P. J. (2009). ChIP–seq: advantages and challenges of a maturing technology.
Nature reviews genetics, 10(10), 669-680.
25
Pomerantz, A., Sahlin, K., Vasiljevic, N., Seah, A., Lim, M., Humble, E., Prost, S.
(2022). Rapid in situ identification of biological specimens via DNA amplicon
sequencing using miniaturized laboratory equipment. Nature Protocols, 17(6),
1415-1443.
Popova, L., Carabetta, V. J. (2024). The use of next-generation sequencing in
personalized medicine. In High Throughput Gene Screening: Methods and
Protocols (pp. 287-315). New York, NY: Springer US.
Purugganan, M. D., y Jackson, S. A. (2021). Advancing crop genomics from lab to
field. Nature genetics, 53(5), 595-601.
Qin, J., Li, R., Raes, J., Arumugam, M., Burgdorf, K. S., Manichanh, C., ... & Wang, J.
(2010). A human gut microbial gene catalogue established by metagenomic
sequencing. nature, 464(7285), 59-65.
Quick, J., Loman, N. J., Duraffour, S., Simpson, J. T., Severi, E., Cowley, L.,Carroll, M.
W. (2016). Real-time, portable genome sequencing for Ebola surveillance. Nature,
530(7589), 228-232.
Rhoads, A., Au, K. F. (2015). PacBio sequencing and its applications. Genomics,
proteomics & bioinformatics, 13(5), 278-289.
Roy, A., Dutta, S., Das, S., Choudhury, M. R. (2024). Next-Generation Sequencing in
the Development of Climate-Resilient and Stress-Responsive Crops–A Review.
The Open Biotechnology Journal, 18(1).
Saeed, M., Jamil, Z., Shehzad, T., ul Hasan, S. Z., Bibi, R., Malik, S. N., Ahmed, R.
(2023). Role of Next Generation Sequencing (NGS) in Plant Disease Management:
A Review. Journal of Applied Research in Plant Sciences, 4(01), 512-517.
26
Sanger, F., Nicklen, S., Coulson, A. R. (1977). DNA sequencing with chain-terminating
inhibitors. Proceedings of the national academy of sciences, 74(12), 5463-5467.
Satam, H., Joshi, K., Mangrolia, U., Waghoo, S., Zaidi, G., Rawool, S., Malonia, S. K.
(2023). Next-generation sequencing technology: current trends and advancements.
Biology, 12(7), 997.
Schreiber, M., Gao, Y., Koch, N., Fuchs, J., Heckmann, S., Himmelbach, A., Dreissig,
S. (2022). Recombination landscape divergence between populations is marked by
larger low-recombining regions in domesticated rye. Molecular Biology and
Evolution, 39(6), msac131.
Schreiber J, Wescoe ZL, Abu-Shumays R, Vivian JT, Baatar B, Karplus K, et al. (2013)
Error rates for nanopore discrimination among cytosine, methylcytosine, and
hydroxymethylcytosine along individual DNA strands. Proc Natl Acad Sci U S A.
110:18910–5.
Sessitsch, A. Hardoim, P; Döring, J., Weilharter, A., Krause, A., Woyke, T., Reinhold-
Hurek, B. (2012). Functional characteristics of an endophyte community
colonizing rice roots as revealed by metagenomic analysis. Molecular Plant-
Microbe Interactions, 25(1), 28-36.
Sharma, P., Kumar, S., Pandey, A. (2021). Bioremediated techniques for remediation of
metal pollutants using metagenomics approaches: a review. Journal of
Environmental Chemical Engineering, 9(4), 105684.
Sogin ML, Morrison HG, Huber JA et al. (2006) Microbial diversity in the deep sea and
the underexplored ‘rare biosphere’. Proceedings of the National Academy of
Sciences, USA, 103, 12115–12120.
27
Struelens, M. J., Ludden, C., Werner, G., Sintchenko, V., Jokelainen, P. (2024). Real-
time genomic surveillance for enhanced control of infectious diseases and
antimicrobial resistance. Frontiers in Science, 2, 1298248.
Takasuka, T. E., Walker, J. A., Bergeman, L. F., Meulen, K. A. V., Makino, S. I., Elsen,
N. L., & Fox, B. G. (2014). Cell-free translation of biofuel enzymes. Cell-Free
Protein Synthesis: Methods and Protocols, 71-95.
Tian, L., Chen, C. J., Song, Y. N., Xu, K., Li, N. E., Zhang, X. H., Li, Y. (2024).
Comprehensive genetic analysis reveals the mutational landscape of ABCA4-
associated retinal dystrophy in a Chinese cohort. Gene, 891, 147832.
Turnbaugh, P. J., Quince, C., Faith, J. J., McHardy, A. C., Yatsunenko, T., Niazi,
F.,Gordon, J. I. (2010). Organismal, genetic, and transcriptional variation in the
deeply sequenced gut microbiomes of identical twins. Proceedings of the National
Academy of Sciences, 107(16), 7503-7508.
Venter, J. C., Adams, M. D., Myers, E. W., Li, P. W., Mural, R. J., Sutton, G. G.,
Kalush, F. (2001). The sequence of the human genome. science, 291(5507), 1304-
1351.
Waterston, R. H., Lander, E. S., Sulston, J. E. (2002). On the sequencing of the human
genome. Proceedings of the National Academy of Sciences, 99(6), 3712-3716.
Wei, W., Qi, X., Wang, L., Zhang, Y., Hua, W., Li, D., Zhang, X. (2011).
Characterization of the sesame (Sesamum indicum L.) global transcriptome using
Illumina paired-end sequencing and development of EST-SSR markers. BMC
genomics, 12, 1-13.
Wilkes, R. P. (2023). Next-generation diagnostics for pathogens. Veterinary Clinics:
Food Animal Practice, 39(1), 165-173.
28
Williams, R. C., Hillary, L. S., Garcia-Delgado, A., Jameson, E., Kevill, J. L., Wade, M.
J., Jones, D. L. (2025). Harnessing the Power of Next-Generation Sequencing in
Wastewater-Based Epidemiology and Global Disease Surveillance. Food and
Environmental Virology, 17(1), 1-7.
Xiong, H., Guo, H., Fu, M., Xie, Y., Zhao, L., Gu, J., Liu, L. (2023). A large‐scale
whole‐exome sequencing mutant resource for functional genomics in wheat. Plant
Biotechnology Journal, 21(10), 2047-2056.
Zanini, S. F., Bayer, P. E., Wells, R., Snowdon, R. J., Batley, J., Varshney, R. K.,
Golicz, A. A. (2022). Pangenomics in crop improvement—from coding structural
variations to finding regulatory variants with pangenome graphs. The Plant
Genome, 15(1), e20177.
Zhang J, Chiodini R, Badr A, Zhang G. The impact of next-generation sequencing on
genomics. J Genet Genomics. 2011 Mar 20;38(3):95-109.
Zhao, J., FA Grant, S. (2011). Advances in whole genome sequencing technology.
Current pharmaceutical biotechnology, 12(2), 293-305.
Zhou X, Ren L, Meng Q, Li Y, Yu Y, Yu J. The next-generation sequencing technology
and application. Protein Cell. 2010 Jun;1(6):520-36.
