La epigenética estudia las modificaciones químicas que regulan la actividad de los genes sin alterar la secuencia de ADN. Un campo emergente, la epigenómica, revela cómo nuestros estilos de vida, dietas y exposiciones ambientales modulan la expresión genética y afectan a la salud. Una de las áreas más fascinantes es el llamado ruido epigenético, un fenómeno que permite a las células cambiar temporalmente de identidad.

El ruido epigenético y la tolerancia inmunitaria

Un estudio reciente del grupo de Andrew Koh en la Universidad de Chicago, publicado en Nature en agosto de 2025, muestra que las células epiteliales medulares del timo (mTECs) adoptan un estado de cromatina más laxo y “ruidoso” para expresar genes propios de otros tejidos y así entrenar al sistema inmunitario【599630230769128†L150-L214】. Esta flexibilidad epigenética permite que las mTECs muestren proteínas de diferentes órganos a los linfocitos T en desarrollo, de modo que eliminen las células autorreactivas y promuevan la tolerancia.

Curiosamente, la transición hacia este estado ruidoso se asocia con la supresión de la proteína p53, conocida como “guardian del genoma”. Cuando los investigadores activaron p53 de manera artificial, la cromatina se estabilizó, desapareció el ruido y las mTECs dejaron de mostrar genes de otros tejidos, provocando enfermedad autoinmune【599630230769128†L218-L233】. Esto sugiere que el “ruido” epigenético es un mecanismo fisiológico que equilibra la estabilidad celular con la necesidad de adaptarse y educar al sistema inmunitario.

El estudio también encontró que eliminar p53 en células de cáncer de pulmón aumenta el ruido epigenético, permitiendo que las células tumores reprogramen su identidad y se vuelvan más agresivas【599630230769128†L244-L247】. Así, comprender cómo se modula el ruido epigenético podría abrir vías para nuevas terapias regenerativas y oncológicas.

Transposones y epigenética en la sangre

Otra línea de investigación interesante se centra en los transposones, fragmentos de ADN que pueden “saltar” dentro del genoma. Los elementos SVA, por ejemplo, actúan como enhancers y presentan marcas epigenéticas bivalentes (H3K9me3 y H3K27ac) que regulan genes implicados en la maduración de los glóbulos rojos y blancos【227440307021256†L149-L163】. Estos descubrimientos evidencian que la epigenética no es un proceso pasivo, sino un actor central en la diferenciación celular.

PromoterAI: inteligencia artificial para descifrar variantes no codificantes

Además de la epigenética, la inteligencia artificial está transformando la genómica. Los promotores son regiones del ADN que controlan cuándo y dónde se activa un gen. Las mutaciones en estos promotores pueden alterar la expresión y causar enfermedades raras, pero su interpretación es compleja porque ocurren fuera de las regiones codificantes. Para abordar este reto, investigadores de Illumina desarrollaron PromoterAI, un algoritmo de deep learning que predice cómo las variantes en los promotores afectan la expresión génica【610559585256559†L182-L201】.

PromoterAI se entrenó con datos de accesibilidad de la cromatina, modificaciones de histonas y unión de factores de transcripción de decenas de miles de genomas y se validó con información del Genotype-Tissue Expression (GTEx) y del UK Biobank. En las pruebas, el modelo identificó variantes en promotores que cambiaban drásticamente la expresión de proteínas y explicó hasta un 6 % de las enfermedades genéticas; al combinarlo con variantes de empalme, la cifra aumenta a un 20 %【610559585256559†L182-L235】.

Este avance demuestra cómo los algoritmos pueden descubrir mutaciones que la medicina tradicional pasa por alto. Al integrarse en la práctica clínica, herramientas como PromoterAI podrían ayudar a diagnosticar enfermedades raras, prever la respuesta a tratamientos y guiar terapias de edición genética. También complementan la nutrición personalizada al identificar variantes que afectan el metabolismo de nutrientes y la respuesta inflamatoria.

Implicaciones para la nutrición de precisión

Los hallazgos sobre el ruido epigenético y las variantes no codificantes tienen implicaciones en la nutrición personalizada:

• Flexibilidad metabólica: La capacidad de las células para cambiar su identidad sugiere que las intervenciones dietéticas y el ejercicio pueden reprogramar tejidos como el hígado o los músculos. Restringir calorías, practicar ayuno intermitente o modificar la composición de macronutrientes podría influir en la epigenética de las células metabólicas.
• Suplementos y nutracéuticos: Algunos compuestos bioactivos (por ejemplo, polifenoles, curcumina, resveratrol) modulan la actividad de p53 y de enzimas epigenéticas. Entender estas interacciones ayuda a diseñar suplementos que promueven la homeostasis epigenética.
• Diagnóstico de intolerancias: Conocer variantes en promotores asociados a enzimas digestivas o transportadores de nutrientes podría explicar por qué algunas personas responden mal a ciertos alimentos. Los algoritmos de IA pueden detectar estas variantes y sugerir cambios en la dieta.
• Enfoque holístico: Las intervenciones no deben centrarse solo en la genética. También hay que considerar el microbioma, el entorno y el estado emocional. En Mefood Omics y Alimentómica investigamos cómo integrar datos epigenéticos y de microbiota para ajustar el plan nutricional.

Prudencia y educación

Si bien las perspectivas son emocionantes, todavía estamos lejos de aplicar masivamente estos hallazgos. La epigenética es dinámica y sensible a factores como la dieta, el estrés, las toxinas y la edad. Los algoritmos de IA requieren validación en cohortes diversas y el acceso a datos clínicos de calidad. Además, existe el riesgo de generar expectativas desmesuradas o usos indebidos de la información.

Para avanzar de forma ética y responsable debemos:

• Fomentar la investigación y la diversidad: Es necesario estudiar la epigenética y las variantes no codificantes en poblaciones diversas para mejorar la equidad.
• Proteger la privacidad: Igual que con los PGS, las investigaciones en epigenómica deben garantizar el consentimiento y el uso legítimo de los datos.
• Formar a profesionales y ciudadanos: Nutricionistas, médicos y bioinformáticos deben actualizar sus conocimientos en epigenética e IA. Los usuarios, por su parte, deben comprender los límites de la ciencia.
• Integrar la evidencia: Combinar genética, epigenética, microbiota, hábitos y datos clínicos para diseñar recomendaciones practicables.

En nuestras plataformas Oorenji y Mefood Omics trabajamos con modelos que respetan estas premisas. Nuestro objetivo es traducir los hallazgos científicos en planes de alimentación y bienestar basados en evidencia, sin prometer soluciones milagrosas.

Conclusión: un futuro prometedor pero complejo

La epigenética y la inteligencia artificial están abriendo puertas insospechadas en la medicina personalizada. El ruido epigenético nos recuerda que las células no son entidades estáticas: pueden ser flexibles cuando el organismo lo necesita, pero esa flexibilidad también puede ser explotada por el cáncer. Algoritmos como PromoterAI nos permiten ver partes del genoma que hasta ahora eran invisibles para la clínica. Sin embargo, debemos caminar con prudencia: la ciencia avanza rápido, pero la aplicación práctica debe seguir criterios éticos y basarse en estudios sólidos.

Para quienes desean mejorar su salud, la clave sigue siendo adoptar hábitos equilibrados y apoyarse en profesionales. Explorar tu epigenoma y tus variantes no codificantes puede ofrecer pistas valiosas, pero no sustituye una dieta saludable, ejercicio regular y un buen descanso. En Mefood Omics, Oorenji y Alimentómica te ayudamos a integrar lo mejor de la ciencia con tu día a día.

Referencias

1. Epigenetic noise: Unappreciated process helps cells change identity – University of Chicago News
2. Thymic epithelial cells amplify epigenetic noise to promote immune tolerance – Nature
3. Bivalent chromatin state of composite transposons in hematopoiesis – Nature Genetics
4. AI tool identifies disease-driving promoter mutations – The Scientist
5. Predicting expression-altering promoter mutations with deep learning – Science