La edición genética con CRISPR se ha convertido en una herramienta de uso diario en los laboratorios de todo el mundo. Permite cortar un gen concreto, desactivarlo o sustituirlo. Sobre esa base se han desarrollado tratamientos para enfermedades hereditarias. Pero hay un problema que sigue acompañando a la tecnología: las tijeras moleculares también pueden cortar en lugares del genoma que nadie quería tocar. Esos cortes no deseados se llaman ediciones fuera de objetivo.
El 16 de noviembre de 2026, la revista Nature Methods publicó un estudio de científicos del Instituto Salk, en La Jolla, California, que presenta un método para observar ambas cosas a la vez: qué ediciones se hacen, incluidas las no deseadas, y cómo cambia la actividad de los genes en cada célula donde ocurren. El método se llama Superb-seq.
De dónde viene el problema
CRISPR se basa en un sistema que las bacterias usan para defenderse de virus. La proteína Cas9 corta el ADN, y una molécula de ARN guía le indica el lugar exacto. Si el ARN guía se parece a otra secuencia del genoma, Cas9 puede cortar allí también. Esas ediciones fuera de objetivo son el principal motivo de preocupación en el uso clínico, porque podrían alterar genes importantes sin que nadie lo note.
Según el comunicado de Salk, la primera terapia basada en CRISPR aprobada por la FDA se autorizó en 2023 para tratar la anemia falciforme y la beta talasemia. Es decir, la tecnología ya llegó a la clínica, y la pregunta sobre sus efectos no deseados ya no es teórica.
Lo que ya se podía medir, y lo que no
Existen métodos para buscar ediciones fuera de objetivo. Muchos analizan muestras de miles o millones de células a la vez. Ese promedio indica si hubo un corte en un lugar concreto, pero no dice en qué células ocurrió ni qué efecto tuvo en cada una. Dos células pueden tener el mismo corte y reaccionar de forma distinta.
Otro enfoque, llamado Perturb-seq, combina la lectura de la expresión génica de célula a célula con la identificación del ARN guía. Sin embargo, no mide directamente las ediciones del ADN. Eso deja un hueco: no se sabe con certeza qué cortes se produjeron en cada célula y cómo afectaron a su actividad.
El líder del estudio, Graham McVicker, lo resume en el comunicado: sabían que había problemas con las ediciones no deseadas, pero no existía una forma buena de ver cuáles eran esas ediciones y cómo afectaban a la célula. Lo que querían ver era invisible con las tecnologías disponibles.
Cómo funciona Superb-seq
Superb-seq combina tres pasos. Primero, la edición con Cas9, que corta el ADN en el lugar indicado. Segundo, un fragmento corto de ADN que actúa como registro: al producirse la edición, deja una marca que puede leerse después. Tercero, la secuenciación del ARN de cada célula por separado, la técnica llamada secuenciación de ARN de célula única.
Gracias a ese registro, el método permite asociar, en la misma célula, la edición y la actividad de sus genes. Los autores lo describen como una forma de conectar las ediciones de cada célula con los cambios de expresión génica que provocan.
Los resultados
Según el resumen del artículo, el equipo aplicó Superb-seq a 35.000 células de tres líneas celulares. La nota de prensa de Salk indica 34.000 células, una diferencia que conviene tener en cuenta.
En un experimento central, usaron siete ARN guía para atacar cuatro genes que regulan la estructura de la cromatina, que es el empaquetamiento del ADN dentro del núcleo. Lo hicieron en 10.000 células K562, una línea de células de leucemia que crece en cultivo. De esas células, Superb-seq identificó 5.761 células editadas, con todas las ediciones en el lugar previsto y 36 ediciones fuera de objetivo.
Para comprobar si el método detecta lo que debe, compararon sus resultados con cuatro métodos de referencia que analizan el ADN en muestras de millones de células. Con tres ARN guía de prueba, los métodos encontraron entre 6 y 210 sitios de edición. Superb-seq mejoró la estimación de los efectos de cada edición sobre la expresión génica en comparación con Perturb-seq.
Además, de las ediciones fuera de objetivo, 19 se asociaron con cambios en la expresión de algún gen, y nueve de ellas afectaban de manera distinta a cada tipo celular. Eso sugiere que el mismo corte puede tener efectos diferentes según la célula donde ocurra.
Aplicaciones que proponen los autores
El comunicado de Salk identifica cuatro usos posibles. El primero es la investigación básica. Según el coautor Michael Lorenzini, hay decenas de miles de estudios que usan CRISPR, y muchos podrían estar influidos por ediciones fuera de objetivo que no se detectaron. El segundo es el desarrollo de fármacos: el método permitiría caracterizar los cortes no deseados de un candidato terapéutico antes de avanzar en ensayos. El tercero es la medicina personalizada: como cada genoma tiene variantes distintas, un mismo ARN guía puede producir cortes diferentes en cada persona. El cuarto es la inteligencia artificial: los modelos que predicen cómo responde una célula a una modificación necesitan datos que incluyan qué ediciones ocurrieron en cada célula, algo que hoy falta en muchos conjuntos de datos.
Los autores han presentado una solicitud de patente para el método. Según el comunicado, planean explorar su uso en todas las etapas, desde el laboratorio hasta la clínica.
Limitaciones
Superb-seq se probó en líneas celulares cultivadas, no en personas ni en animales. Las células de cultivo se comportan de forma distinta a los tejidos del cuerpo, y un resultado en leucemia cultivada no se traslada automáticamente a un paciente. El método tampoco demuestra por sí solo que una edición cause un efecto: muestra que ambas cosas ocurren en la misma célula, y eso requiere comprobaciones adicionales. Además, su sensibilidad depende de la profundidad de la secuenciación, algo que cambia según cada experimento.
Qué pasa dentro de una célula cuando CRISPR corta
Cuando Cas9 corta las dos hebras del ADN, la célula tiene que repararlo. El método más rápido es unir de nuevo los extremos, pero lo hace sin fidelidad: a menudo se pierden o se añaden algunas letras en el punto de corte. Esas pequeñas inserciones y deleciones se llaman indels, y son la marca más habitual de una edición con CRISPR. Si el corte cae dentro de un gen, el resultado puede ser una proteína incompleta o un mensaje genético que la célula destruye.
Por eso medir una edición no es lo mismo que medir sus consecuencias. Una edición puede estar presente en una célula sin alterar nada visible, y otra puede cambiar la actividad de genes situados a cierta distancia. Para saber qué ocurre realmente, hace falta leer dos cosas en la misma célula: la secuencia del ADN y la actividad de sus genes.
Leer una célula a la vez
La secuenciación de ARN de célula única permite medir qué genes está usando cada célula en un momento dado. El procedimiento general es separar miles de células, marcar el ARN de cada una con una etiqueta molecular única y secuenciarlo todo junto. Después, un programa agrupa las lecturas por etiqueta y reconstruye el perfil de cada célula. El resultado es una tabla enorme: células en las filas, genes en las columnas, y en cada casilla cuánto ARN de ese gen tenía esa célula.
Esa técnica describe muy bien qué tipo de célula es y qué genes están activos. Lo que no mide, en su forma habitual, es la secuencia del ADN que se editó en esa misma célula. Superb-seq añade ese dato al perfil de expresión.
Por qué las ediciones no deseadas son difíciles de encontrar
Un corte fuera de objetivo puede ocurrir en pocas células de una población. Si se analiza una muestra mezclada de millones de células, el resultado es un promedio, y una edición presente en una fracción pequeña de ellas se diluye. Los métodos de análisis en masa son sensibles para cortes frecuentes, pero pueden pasar por alto eventos raros o confundirlos con ruido de fondo.
Los métodos de célula única tienen el problema contrario: cada célula aporta poca información, y la secuenciación no siempre captura el ADN editado en todas. Por eso un método nuevo tiene que demostrar dos cosas: que detecta las ediciones que existen y que no inventa ediciones que no existen. Superb-seq evalúa ambas con comparaciones frente a métodos ya establecidos.
Perturbar muchos genes a la vez
En biología se llaman perturbaciones los experimentos en los que se altera un gen y se observa qué cambia. Con CRISPR, es posible hacerlo para muchos genes a la vez, usando una mezcla de ARN guía distintos y mirando el resultado célula por célula. Esos experimentos, llamados cribados, ayudan a encontrar qué genes controlan un proceso. Su límite es que asumen que cada guía produjo el efecto que se quería. Si una guía corta en otro lugar, el efecto observado puede venir de ese corte no previsto.
Superb-seq se diseñó precisamente para comprobar esa suposición en cada célula, al registrar qué edición se produjo y qué genes cambiaron en la misma célula.
Del laboratorio a la clínica
Una terapia génica tiene que demostrar que su efecto deseado es mayor que sus riesgos. En ese proceso, las agencias reguladoras piden caracterizar las ediciones que la terapia produce, incluidas las no deseadas. La dificultad es que esas ediciones son, por definición, poco frecuentes y dispersas por el genoma. Un método que las mida célula a célula puede servir para seleccionar guías más específicas antes de pasar a un ensayo en personas.
Conviene recordar que la eficiencia y la especificidad de una guía no dependen solo de su secuencia. Los autores del estudio lo muestran con el caso de ADSS1, un sitio con cuatro desajustes que se editaba en el 18 % de las células de una muestra. Esa observación justifica medir en lugar de predecir.
Cómo se valida un método nuevo
Un método de medición necesita un punto de referencia. En este caso, los autores usaron guías bien caracterizadas en células con resultados ya publicados, y compararon sus datos con esos resultados. Si el nuevo método coincide con los antiguos en los casos conocidos, y además encuentra eventos que los antiguos no veían, gana credibilidad. Si no coincide, hay que explicar por qué. Este estudio cumple la primera parte y reconoce que hay diferencias en ambas direcciones.
Lo que encontraron en las células
En la biblioteca de 10.000 células, Superb-seq identificó 36 ediciones fuera de objetivo repartidas en 18 cromosomas y en 2.098 células. Cada sitio apareció entre 2 y 670 células, lo que equivale a entre el 0,05 % y el 18 % de las células editadas. Más del 80 % de esas ediciones (30 de 36) estaban dentro de intrones, las zonas del gen que no se traducen en proteína.
Un detalle llamó la atención a los autores: los ARN guía habían superado filtros de especificidad previos, y aun así generaron tantos cortes fuera de objetivo. Las secuencias fuera de objetivo coincidían con el ARN guía en 14 a 19 bases, con desajustes repartidos por toda la secuencia, incluida la región semilla, que es la más importante para la actividad de Cas9.
Uno de los casos más llamativos fue un ARN guía dirigido a SMARCA4 que generó cinco sitios fuera de objetivo más frecuentes que el objetivo real. Otro, el sitio ADSS1, apareció en el 18 % de las células de una muestra (670 de 3.730), a pesar de tener cuatro bases desajustadas. Para los autores, eso indica que la similitud de secuencia no lo explica todo: otros factores también influyen en la eficiencia y la especificidad de una guía.
Efecto sobre la expresión génica
Superb-seq no solo registra cortes. También mide si cambia la actividad de los genes. Con un modelo estadístico que tiene en cuenta el estado de cada célula, el equipo encontró que las ediciones dentro de los genes ARID1A, SMARCA4 y CHD3 se asociaban con una disminución de la expresión génica, cuanto más alelos editados, menos ARN. Según los autores, es coherente con la degradación del ARN mensajero que se activa cuando un gen se corta de forma que produce un ARN defectuoso.
En un caso fuera de objetivo, un corte en una región reguladora del gen USP9X se asoció con una alteración posterior de MYC. MYC es un gen con función oncogénica: su activación inadecuada es una de las principales preocupaciones de seguridad en la terapia génica. Según los autores, un ensayo de fenotipo en masa podría no detectar ese efecto.
Comparación con Perturb-seq y con métodos de referencia
Para evaluar la calidad de la lectura del transcriptoma, el equipo comparó su conjunto de datos con otros dos de células K562 hechos con Perturb-seq y con una técnica de células fijas, ambos con unas 8.000 a 11.600 células. Superb-seq tenía una profundidad de secuenciación distinta, de 34.000 a 40.000 lecturas por célula en los otros conjuntos, así que los autores la ajustaron a 37.000 para compararla. Las correlaciones de expresión entre los tres conjuntos fueron de 0,59 a 0,74.
Superb-seq detectó más genes de baja expresión que las otras técnicas, aunque con menos moléculas por célula. Los autores lo atribuyen a que transcribe el ARN total, en lugar de usar sondas dirigidas. En conjunto, concluyen que la calidad del transcriptoma es competitiva con los métodos de célula única habituales.
Para comprobar la detección de ediciones, los autores hicieron un experimento de referencia con 16.000 células, con tres ARN guía bien caracterizados en células HEK293, U2OS y K562. Lo compararon con los resultados publicados de cuatro métodos de análisis en masa del ADN, que se publicaron con las mismas células y guías. Ambos enfoques encontraron ediciones que el otro no detectó. Esa diferencia es uno de los puntos que los autores reconocen como limitación.
Por qué importa para la terapia génica
Los autores señalan que los efectos fuera de objetivo confunden los datos de Perturb-seq y son una preocupación central en la edición terapéutica. Los métodos que evalúan el efecto de cada edición en células individuales existen, pero suelen limitarse a paneles predefinidos de 40 a 480 proteínas o genes. Superb-seq, en cambio, mide el transcriptoma completo.
Otra ventaja práctica es que no necesita plásmidos ni vectores virales, y utiliza equipos de laboratorio estándar. Eso amplía el número de tipos celulares en los que podría aplicarse, aunque el propio estudio reconoce que el protocolo todavía no está validado en células primarias, como las hematopoyéticas o las hepáticas, que son las más relevantes en clínica.
Limitaciones técnicas
La detección depende de la eficiencia con la que se marca la edición con el promotor T7, de la transcripción in situ y de la secuenciación de célula única. Según el artículo, algunos sitios que detectaron los métodos en masa no se detectaron con Superb-seq, y viceversa. Tampoco encontraron diferencias significativas en el estado de la cromatina entre los sitios detectados y los no detectados, pero reconocen que harían falta conjuntos de datos más grandes para descartarlas.
Rigor científico
Tipo de estudio: investigación de método, en células cultivadas, sin ensayos en personas. Publicación: Nature Methods, 16 de noviembre de 2026, con el DOI 10.1038/s41592-026-03319-z. Financiación: el comunicado indica apoyo de los Institutos Nacionales de Salud de Estados Unidos y de fundaciones privadas. Versión previa: el método apareció antes como preprint en bioRxiv en 2025, con un título parecido. Discrepancias: el número de células difiere entre el resumen del artículo (35.000) y la nota de prensa (34.000). Esta nota usa la cifra del resumen científico. Intereses: el comunicado menciona una patente solicitada por los autores.
