Implementación de un procedimiento computacional para establecer la eficiencia de cebadores y sondas para RT-PCR en los genes: Hemaglutinina (HA), Proteína Nuclear (NP) y Gen de Matriz (M1-M2) de Influenza A H1N1

Abstract

Esta pasantía desarrolló un protocolo computacional en Python para evaluar la eficiencia de cebadores y sondas de RT-PCR en los genes HA, NP y M1-M2 del virus Influenza A H1N1 mediante el uso de secuencias consenso. Mediante herramientas bioinformáticas (MAFFT, UGENE) y Computación de Alto Rendimiento (HPC), se realiza el análisis de polimorfismos genómicos que afectan la sensibilidad diagnóstica, identificando regiones críticas para el diseño de oligonucleótidos. El flujo de trabajo se organizó en 3 módulos dentro del programa: Filtrado y alineamiento de secuencias (1-Filtración.py), generación de consenso (2-Alineamiento.py) y evaluación de cebadores con visualización en PDF (3-Reporte.py). El resultado de este flujo es una herramienta open source para análisis rápido de grandes volúmenes de datos para la detección de discrepancias en cebadores reportados, proponiendo ajustes para reducir falsos negativos. Este trabajo aporta una solución reproducible para mejorar diagnósticos del virus de influenza A H1N1, alineándose con estrategias globales de la Organización Mundial de la salud (OMS). Los resultados se publicaron en un repositorio GitHub bajo licencia MIT, lo que facilita que sea adoptado por la comunidad científica.