Ver el código de «K-mero»

[[Archivo:K-mer_diagram.svg|miniaturadeimagen|La secuencia ATGG tiene dos k-meros de longitud 3 (trímeros): ATG y TGG.]]
En [[bioinformática]], los ''k''-meros son subcadenas de la longitud <math>k</math> contenidas dentro de una secuencia biológica. Principalmente utilizadas en el contexto de [[genómica computacional]] y [[análisis de secuencias]], en el cual los ''k''-meros están compuestos de [[Nucleótido|nucleótidos]] (es decir, A, T, G, y C). Son utilizados para ensamblar secuencias de ADN,<ref>{{Cita publicación|título=How to apply de Bruijn graphs to genome assembly|apellidos=Compeau|nombre=Phillip E C|apellidos2=Pevzner|nombre2=Pavel A|fecha=November 2011|publicación=Nature Biotechnology|volumen=29|número=11|páginas=987–991|idioma=en|issn=1087-0156|doi=10.1038/nbt.2023|pmc=5531759|pmid=22068540|apellidos3=Tesler|nombre3=Glenn}}</ref> mejorar la [[Expresión heteróloga|expresión génica heteróloga]],<ref name=":4">{{Cita publicación|título=Design Parameters to Control Synthetic Gene Expression in Escherichia coli|apellidos=Welch|nombre=Mark|apellidos2=Govindarajan|nombre2=Sridhar|fecha=2009-09-14|publicación=PLOS ONE|volumen=4|número=9|páginas=e7002|apellidos-editor=Kudla|nombre-editor=Grzegorz|idioma=en|bibcode=2009PLoSO...4.7002W|issn=1932-6203|doi=10.1371/journal.pone.0007002|pmc=2736378|pmid=19759823|apellidos3=Ness|nombre3=Jon E.|apellidos4=Villalobos|nombre4=Alan|apellidos5=Gurney|nombre5=Austin|apellidos6=Minshull|nombre6=Jeremy|apellidos7=Gustafsson|nombre7=Claes}}</ref><ref name=":6">{{Cita publicación|título=Codon bias and heterologous protein expression|url=https://archive.org/details/sim_trends-in-biotechnology_2004-07_22_7/page/346|apellidos=Gustafsson|nombre=Claes|apellidos2=Govindarajan|nombre2=Sridhar|fecha=July 2004|publicación=Trends in Biotechnology|volumen=22|número=7|páginas=346–353|idioma=en|doi=10.1016/j.tibtech.2004.04.006|pmid=15245907|apellidos3=Minshull|nombre3=Jeremy}}</ref> identificar especies en muestras metagenómicas,<ref name=":0">{{Cita publicación|título=Distinguishing Microbial Genome Fragments Based on Their Composition: Evolutionary and Comparative Genomic Perspectives|apellidos=Perry|nombre=Scott C.|apellidos2=Beiko|nombre2=Robert G.|fecha=2010-01-01|publicación=Genome Biology and Evolution|volumen=2|páginas=117–131|idioma=en|issn=1759-6653|doi=10.1093/gbe/evq004|pmc=2839357|pmid=20333228}}</ref> y crear [[Vacuna atenuada|vacunas atenuadas]].<ref name="Sin_nombre-pEWv-1">{{Cita publicación|título=Attenuation of a very virulent Marek's disease herpesvirus (MDV) by codon pair bias deoptimization|apellidos=Eschke|nombre=Kathrin|apellidos2=Trimpert|nombre2=Jakob|fecha=2018-01-29|publicación=PLOS Pathogens|volumen=14|número=1|páginas=e1006857|apellidos-editor=Mocarski|nombre-editor=Edward|idioma=en|issn=1553-7374|doi=10.1371/journal.ppat.1006857|pmc=5805365|pmid=29377958|apellidos3=Osterrieder|nombre3=Nikolaus|apellidos4=Kunec|nombre4=Dusan}}</ref> Normalmente, el término ''k''-mero hace referencia a todas las subsecuencias de longitud <math>k</math> de una secuencia, tal que la secuencia AGAT tendría cuatro [[Monómero|monómeros]] (A, G, A y T), tres dímeros (AG, GA, AT), dos trímeros (AGA y GAT) y un tetrámero (AGAT). De manera más general, una secuencia de longitud <math>L</math> tendrá <math>L - k + 1</math> ''k''-meros y <math>n^{k}</math> ''k''-meros posibles en total, <math>n</math> es el número de monómeros posibles (p. ej. cuatro en el caso del [[Ácido desoxirribonucleico|ADN]]).

== Introducción ==
Los ''k''-meros son sencillamente subsecuencias de longitud <math>k</math>. Por ejemplo, todos los k-meros posibles de una secuencia de ADN se muestran abajo:
[[Archivo:E._coli_8-mer_spectrum.svg|alt=|miniaturadeimagen|440x440px|Espectro de los 8-meros para ''[[E. coli]]''. Se compara la frecuencia de los 8-meros, octámeros, (es decir,  multiplicidades) con su número de ocurrencias.]]
{| class="wikitable"
|+''k''-meros para GTAGAGCTGT
!''k''
!''k''-meros
|-
|1
|G, T, A, G, A, G, C, T, G, T
|-
|2
|GT, TA, AG, GA, AG, GC, CT, TG, GT
|-
|3
|GTA, TAG, AGA, GAG, AGC, GCT, CTG, TGT
|-
|4
|GTAG, TAGA, AGAG, GAGC, AGCT, GCTG, CTGT
|-
|5
|GTAGA, TAGAG, AGAGC, GAGCT, AGCTG, GCTGT
|-
|6
|GTAGAG, TAGAGC, AGAGCT, GAGCTG, AGCTGT
|-
|7
|GTAGAGC, TAGAGCT, AGAGCTG, GAGCTGT
|-
|8
|GTAGAGCT, TAGAGCTG, AGAGCTGT
|-
|9
|GTAGAGCTG, TAGAGCTGT
|-
|10
|GTAGAGCTGT
|}
Una forma de visualizar los ''k''-meros es mediante el espectro de ''k''-meros, que muestra la multiplicidad de cada ''k''-mero en una secuencia versus el número de ''k''-meros con aquella multiplicidad.<ref name=":7">{{Cita publicación|título=KAT: a K-mer analysis toolkit to quality control NGS datasets and genome assemblies|apellidos=Mapleson|nombre=Daniel|apellidos2=Garcia Accinelli|nombre2=Gonzalo|fecha=2016-10-22|publicación=Bioinformatics|volumen=33|número=4|páginas=574–576|idioma=en|issn=1367-4803|doi=10.1093/bioinformatics/btw663|pmc=5408915|pmid=27797770|apellidos3=Kettleborough|nombre3=George|apellidos4=Wright|nombre4=Jonathan|apellidos5=Clavijo|nombre5=Bernardo J.}}</ref> El número de modas (o picos en la distribución) de un espectro de ''k''-meros para el genoma de una especie varía, pero generalmente las especies poseen una distribución unimodal.<ref name=":5">{{Cita publicación|título=Genomic DNA k-mer spectra: models and modalities|apellidos=Chor|nombre=Benny|apellidos2=Horn|nombre2=David|fecha=2009|publicación=Genome Biology|volumen=10|número=10|páginas=R108|idioma=en|issn=1465-6906|doi=10.1186/gb-2009-10-10-r108|pmc=2784323|pmid=19814784|apellidos3=Goldman|nombre3=Nick|apellidos4=Levy|nombre4=Yaron|apellidos5=Massingham|nombre5=Tim}}</ref> No obstante, todos los [[Mammalia|mamíferos]] tienen una distribución multimodal. Por otro, lado, el número de modas dentro de un espectro de ''k''-meros también puede variar entre regiones de genomas: los humanos poseen espectro de ''k''-meros unimodal en las 5' UTR y en los [[Exón|exones]], pero espectro multimodal en las 3' UTR y en los [[Intrón|intrones]].

== Fuerzas que afectan la frecuencia de los ''k''-meros ==
La frecuencia en el uso del ''k''-mero se ve afectada por numerosas fuerzas, que trabajan en múltiples niveles, a menudo, en conflicto. Los ''k-''meros para valores más altos de ''k'' se ven afectados por las fuerzas que también afectan los valores más bajos de ''k''. Por ejemplo, si el 1-mero ''A'' no ocurre en una secuencia, tampoco se producirá ninguno de los 2-meros que contienen ''A'' (AA, AT, AG y AC).

=== ''k'' = 1 ===
Cuando ''k'' = 1, hay cuatro ''k''-meros de ADN, es decir, A, T, G y C. A nivel molecular, hay tres [[Fuerza por puente de hidrógeno|enlaces de hidrógeno]] entre G y C, mientras que solo hay dos entre A y T. Los enlaces GC, como resultado del enlace de hidrógeno adicional (y de interacciones de apilamiento más fuertes), son más estables térmicamente que los enlaces AT.<ref>{{Cita publicación|título=Base-stacking and base-pairing contributions into thermal stability of the DNA double helix|apellidos=Yakovchuk|nombre=P.|fecha=2006-01-30|publicación=Nucleic Acids Research|volumen=34|número=2|páginas=564–574|idioma=en|issn=0305-1048|doi=10.1093/nar/gkj454|pmc=1360284|pmid=16449200}}</ref> Los mamíferos y las aves poseen una proporción más alta de G y C con respecto a la de A y T ([[Contenido GC|contenido de GC]]), de donde surgió la hipótesis de que la estabilidad térmica era un factor determinante de la variación del contenido de GC.<ref>{{Cita publicación|título=Isochores and the evolutionary genomics of vertebrates|apellidos=Bernardi|nombre=Giorgio|fecha=January 2000|publicación=Gene|volumen=241|número=1|páginas=3–17|idioma=en|doi=10.1016/S0378-1119(99)00485-0|pmid=10607893}}</ref> No obstante, estudios entre diferentes procariotas no han mostrado evidencia de que el contenido de GC se correlacione con la temperatura, como predeciría la hipótesis de adaptación térmica.<ref>{{Cita publicación|título=High guanine–cytosine content is not an adaptation to high temperature: a comparative analysis amongst prokaryotes|apellidos=Hurst|nombre=Laurence D.|apellidos2=Merchant|nombre2=Alexa R.|fecha=2001-03-07|publicación=Proceedings of the Royal Society B: Biological Sciences|volumen=268|número=1466|páginas=493–497|idioma=en|issn=1471-2954|doi=10.1098/rspb.2000.1397|pmc=1088632|pmid=11296861}}</ref> De hecho, si la selección natural fuese la fuerza impulsora de la variación del contenido de GC, los [[Polimorfismo de nucleótido único|cambios de un solo nucleótido]], frecuentemente [[Sustitución sinónima|sinónimos]], alterarían la [[Aptitud (biología)|aptitud]] de un organismo.<ref name=":1">{{Cita publicación|título=GC-biased gene conversion links the recombination landscape and demography to genomic base composition: GC-biased gene conversion drives genomic base composition across a wide range of species|apellidos=Mugal|nombre=Carina F.|apellidos2=Weber|nombre2=Claudia C.|fecha=December 2015|publicación=BioEssays|volumen=37|número=12|páginas=1317–1326|idioma=en|doi=10.1002/bies.201500058|pmid=26445215|apellidos3=Ellegren|nombre3=Hans}}</ref>

Antes bien, la evidencia actual sugiere que la [[Conversión génica|conversión génica sesgada por GC]] (gBGC en inglés) es un factor impulsor de la variación del contenido de GC.<ref name=":1">{{Cita publicación|título=GC-biased gene conversion links the recombination landscape and demography to genomic base composition: GC-biased gene conversion drives genomic base composition across a wide range of species|apellidos=Mugal|nombre=Carina F.|apellidos2=Weber|nombre2=Claudia C.|fecha=December 2015|publicación=BioEssays|volumen=37|número=12|páginas=1317–1326|idioma=en|doi=10.1002/bies.201500058|pmid=26445215|apellidos3=Ellegren|nombre3=Hans}}</ref> La gBGC es un proceso en el cual se reemplaza G y C con A y T durante la [[Recombinación genética|recombinación]] .<ref>{{Cita publicación|título=Analytical Biases Associated with GC-Content in Molecular Evolution|apellidos=Romiguier|nombre=Jonathan|apellidos2=Roux|nombre2=Camille|fecha=2017-02-15|publicación=Frontiers in Genetics|volumen=8|páginas=16|issn=1664-8021|doi=10.3389/fgene.2017.00016|pmc=5309256|pmid=28261263}}</ref> Este proceso, pese a ser diferente de la selección natural, puede ejercer una presión selectiva sobre el ADN al sesgar hacia los reemplazos por GC que se fijan en el genoma. Como es de esperar, el contenido de GC es mayor en los sitios que experimentan una mayor recombinación.<ref>{{Cita publicación|título=Human polymorphism around recombination hotspots: Figure 1|apellidos=Spencer|nombre=C.C.A.|fecha=2006-08-01|publicación=Biochemical Society Transactions|volumen=34|número=4|páginas=535–536|idioma=en|issn=0300-5127|doi=10.1042/BST0340535|pmid=16856853}}</ref> Por otra parte, los organismos con mayores tasas de recombinación presentan un mayor contenido de GC, de acuerdo con los efectos predichos por la hipótesis de la gBGC.<ref>{{Cita publicación|título=Evidence for GC-biased gene conversion as a driver of between-lineage differences in avian base composition|apellidos=Weber|nombre=Claudia C|apellidos2=Boussau|nombre2=Bastien|fecha=December 2014|publicación=Genome Biology|volumen=15|número=12|páginas=549|idioma=en|issn=1474-760X|doi=10.1186/s13059-014-0549-1|pmc=4290106|pmid=25496599|apellidos3=Romiguier|nombre3=Jonathan|apellidos4=Jarvis|nombre4=Erich D|apellidos5=Ellegren|nombre5=Hans}}</ref> En consecuencia, la gBGC puede verse como un «impostor» de la selección natural. Es interesante señalar que la gBGC no parece limitarse a [[Eukaryota|eucariotas]],<ref>{{Cita publicación|título=GC-Content Evolution in Bacterial Genomes: The Biased Gene Conversion Hypothesis Expands|apellidos=Lassalle|nombre=Florent|apellidos2=Périan|nombre2=Séverine|fecha=2015-02-06|publicación=PLOS Genetics|volumen=11|número=2|páginas=e1004941|apellidos-editor=Petrov|nombre-editor=Dmitri A.|idioma=en|issn=1553-7404|doi=10.1371/journal.pgen.1004941|pmc=4450053|pmid=25659072|apellidos3=Bataillon|nombre3=Thomas|apellidos4=Nesme|nombre4=Xavier|apellidos5=Duret|nombre5=Laurent|apellidos6=Daubin|nombre6=Vincent}}</ref> los organimos asexuales como las bacterias y las arqueas también experimentan recombinación por medio de la conversión de genes, un proceso de reemplazo de secuencias homólogas que da como resultado múltiples secuencias idénticas en todo el genoma.<ref>{{Cita publicación|título=Gene conversion and concerted evolution in bacterial genomes|apellidos=Santoyo|nombre=G|apellidos2=Romero|nombre2=D|fecha=April 2005|publicación=FEMS Microbiology Reviews|volumen=29|número=2|páginas=169–183|idioma=en|doi=10.1016/j.femsre.2004.10.004|pmid=15808740}}</ref> Si la recombinación es capaz de aumentar el contenido de GC en todos los dominios de la vida, la gBGC se conserva universalmente. Empero, como los mecanismos exactos y las ventajas o desventajas evolutivas de la gBGC se desconocen actualmente,<ref>{{Obra citada|título=Biased Gene Conversion and Its Impact on Genome Evolution|idioma=en|apellidos=Bhérer|nombre=Claude|fecha=2014-06-16|editorial=John Wiley & Sons, Ltd|pub-periódica=eLS|apellidos2=Auton|nombre2=Adam|editor=John Wiley & Sons Ltd|ISBN=9780470015902|DOI=10.1002/9780470015902.a0020834.pub2}}</ref> queda por determinar si la gBGC es un subproducto (mayoritariamente) neutro de la maquinaria molecular de la vida o si está bajo presión de selección natural.

=== ''k'' = 2 ===
A diferencia del contenido de GC, que puede variar considerablemente, los sesgos de dinucleótidos son relativamente constantes en todo el genoma.<ref name=":3">{{Cita publicación|título=Global dinucleotide signatures and analysis of genomic heterogeneity|apellidos=Karlin|nombre=Samuel|fecha=October 1998|publicación=Current Opinion in Microbiology|volumen=1|número=5|páginas=598–610|idioma=en|doi=10.1016/S1369-5274(98)80095-7|pmid=10066522}}</ref> Si el sesgo de dinucleótidos estuviese sujeto a presiones resultantes de la [[Traducción (genética)|traducción]], entonces habría diferentes patrones de sesgo de dinucleótidos en las [[Región de codificación|regiones codificantes]] y [[ADN no codificante|no codificantes]] impulsadas por la reducción de la eficiencia de traducción de algunos dinucleótidos.<ref>{{Cita publicación|título=Evolution of the genome and the genetic code: selection at the dinucleotide level by methylation and polyribonucleotide cleavage.|apellidos=Beutler|nombre=E.|apellidos2=Gelbart|nombre2=T.|fecha=1989-01-01|publicación=Proceedings of the National Academy of Sciences|volumen=86|número=1|páginas=192–196|idioma=en|bibcode=1989PNAS...86..192B|issn=0027-8424|doi=10.1073/pnas.86.1.192|pmc=286430|pmid=2463621|apellidos3=Han|nombre3=J. H.|apellidos4=Koziol|nombre4=J. A.|apellidos5=Beutler|nombre5=B.}}</ref> Como no los hay, se puede inferir que las fuerzas que modulan el sesgo de los dinucleótidos son independientes de la traducción. Otra evidencia en contra de las presiones de traducción que afectan el sesgo de dinucleótidos es el hecho de que los sesgos de dinucleótidos de los virus, que dependen en gran medida de la eficiencia de traducción, son moldeados por su familia viral más que por sus anfitriones, de los que secuestran la maquinaria de traducción.<ref>{{Cita publicación|título=Dinucleotide Composition in Animal RNA Viruses Is Shaped More by Virus Family than by Host Species|apellidos=Di Giallonardo|nombre=Francesca|apellidos2=Schlub|nombre2=Timothy E.|fecha=2017-04-15|publicación=Journal of Virology|volumen=91|número=8|apellidos-editor=Dermody|nombre-editor=Terence S.|idioma=en|issn=0022-538X|doi=10.1128/JVI.02381-16|pmc=5375695|pmid=28148785|apellidos3=Shi|nombre3=Mang|apellidos4=Holmes|nombre4=Edward C.}}</ref>

Contrario al creciente contenido de GC de la gBGC existe la supresión de CG, la cual reduce la frecuencia de dímeros CG gracias a la [[desaminación]] de [[Metilación|dinucleótidos de CG metilados]], lo que resulta en sustituciones de CG por TG y en la subsiguiente reducción en el contenido de CG.<ref>{{Cita publicación|título=CpG Deamination Creates Transcription Factor–Binding Sites with High Efficiency|apellidos=Żemojtel|nombre=Tomasz|apellidos2=kiełbasa|nombre2=Szymon M.|fecha=2011-01-01|publicación=Genome Biology and Evolution|volumen=3|páginas=1304–1311|idioma=en|issn=1759-6653|doi=10.1093/gbe/evr107|pmc=3228489|pmid=22016335|apellidos3=Arndt|nombre3=Peter F.|apellidos4=Behrens|nombre4=Sarah|apellidos5=Bourque|nombre5=Guillaume|apellidos6=Vingron|nombre6=Martin}}</ref> Esta interacción destaca la interrelación entre las fuerzas que afectan los ''k-''meros para diferentes valores de ''k.''

Un hecho interesante acerca del sesgo hacia dinucléotidos es que este puede servir como medida de «distancia» entre genomas filogenéticamente similares. Los genomas de dos organismos que están estrechamente relacionados comparten más sesgos hacia dinucleótidos que entre dos que están menos relacionados.<ref name=":3">{{Cita publicación|título=Global dinucleotide signatures and analysis of genomic heterogeneity|apellidos=Karlin|nombre=Samuel|fecha=October 1998|publicación=Current Opinion in Microbiology|volumen=1|número=5|páginas=598–610|idioma=en|doi=10.1016/S1369-5274(98)80095-7|pmid=10066522}}</ref>

=== ''k'' = 3 ===
Hay veinte [[Aminoácido|aminoácidos naturales]] usados para construir las proteínas que el ADN codifica. No obstante, sólo hay cuatro nucleótidos, de modo que no puede haber una correspondencia unívoca entre nucleótidos y aminoácidos. Asimismo, hay sólo 16 dímeros de ADN, lo que tampoco es suficiente para representar de manera inequívoca cada aminoácido. Aun así, hay 64 trímeros distintos en el ADN, lo que es suficiente para representar inequívocamente cada aminoácido. Estos trímeros se denominan [[Código genético|codones]]. Aunque cada codón sólo se asigna a un aminoácido, cada aminoácido puede estar representado por múltiples codones. Es por esto que la misma secuencia de aminoácidos puede tener múltiples representaciones de ADN. Curiosamente, cada codón de un aminoácido no se usa en proporciones iguales,<ref name=":2">{{Cita publicación|título=Selection on Codon Bias|apellidos=Hershberg|nombre=R|apellidos2=Petrov|nombre2=DA|publicación=Annual Review of Genetics|volumen=42|páginas=287–299|doi=10.1146/annurev.genet.42.110807.091442|pmid=18983258|año=2008}}</ref> esto se denomina [[sesgo en el uso de codones]] (CUB). Cuando ''k'' = 3, se debe hacer una distinción entre la verdadera frecuencia de los trímeros y la del CUB. Por ejemplo, la secuencia ATGGCA tiene cuatro palabras de longitud 3 dentro de ella (ATG, TGG, GGC y GCA), mientras que sólo contiene dos codones (ATG y GCA). Sin embargo, el CUB es un factor importante que impulsa el sesgo hacia el uso de ciertos trímeros (hasta un tercio de este, pues un tercio de los ''k-''meros en una región codificante son codones). Este será el enfoque principal de esta sección.

La causa exacta de la variación entre las frecuencias de los codones no se entiende completamente. Se sabe que la presencia de un codón está relacionada con la abundancia de ARNt, aquellos codones que coinciden con ARNt más abundantes son más frecuentes<ref name=":2">{{Cita publicación|título=Selection on Codon Bias|apellidos=Hershberg|nombre=R|apellidos2=Petrov|nombre2=DA|publicación=Annual Review of Genetics|volumen=42|páginas=287–299|doi=10.1146/annurev.genet.42.110807.091442|pmid=18983258|año=2008}}</ref> y las proteínas más altamente expresadas exhiben mayor CUB.<ref>{{Cita publicación|título=The codon adaptation index-a measure of directional synonymous codon usage bias, and its potential applications|apellidos=Sharp|nombre=Paul M.|apellidos2=Li|nombre2=Wen-Hsiung|fecha=1987|publicación=Nucleic Acids Research|volumen=15|número=3|páginas=1281–1295|idioma=en|issn=0305-1048|doi=10.1093/nar/15.3.1281|pmc=340524|pmid=3547335}}</ref> Esto sugiere que la selección por eficiencia o precisión traduccional es la fuerza impulsora detrás de la variación en el CUB.

=== ''k'' = 4 ===
Similar al efecto visto en el sesgo hacia dinucleótidos, los sesgos hacia tetranucleótidos de organismos filogenéticamente más relacionados son más parecidos entre sí que entre organismos menos emparentados.<ref name=":0">{{Cita publicación|título=Distinguishing Microbial Genome Fragments Based on Their Composition: Evolutionary and Comparative Genomic Perspectives|apellidos=Perry|nombre=Scott C.|apellidos2=Beiko|nombre2=Robert G.|fecha=2010-01-01|publicación=Genome Biology and Evolution|volumen=2|páginas=117–131|idioma=en|issn=1759-6653|doi=10.1093/gbe/evq004|pmc=2839357|pmid=20333228}}</ref> Aunque no se conoce bien la causa exacta de la variación en este sesgo, se ha conjeturado que es el resultado del mantenimiento de la estabilidad genética a nivel molecular.<ref>{{Cita publicación|título=Tetranucleotide frequencies in microbial genomes|apellidos=Noble|nombre=Peter A.|apellidos2=Citek|nombre2=Robert W.|fecha=April 1998|publicación=Electrophoresis|volumen=19|número=4|páginas=528–535|issn=0173-0835|doi=10.1002/elps.1150190412|pmid=9588798|apellidos3=Ogunseitan|nombre3=Oladele A.|enlaceautor3=Dele Ogunseitan}}</ref>

== Aplicaciones ==
La frecuencia de un conjunto de ''k''-meros en el genoma de una especie, en una región genómica, o en una clase de secuencias puede usarse como «firma» de la secuencia subyacente. Comparar estas frecuencias es computacionalmente más fácil que hacer un [[alineamiento de secuencias]] y es un método importante en el análisis de secuencias sin alineamientos. También puede ser utilizado como análisis preliminar antes de hacer un alineamiento.

=== Ensamblaje de secuencias ===
[[Archivo:K-mer-example.png|alt=|miniaturadeimagen|700x700px| Esta figura muestra el proceso de dividir las lecturas en ''k''-meros más pequeños (4-meros en este caso) para poder usarlos en un gráfico de De Bruijn. (A) Se muestra el segmento inicial de ADN que se está secuenciando. (B) Se muestra las lecturas realizadas a partir de la secuenciación y cómo estas se alinean. El problema con esta alineación es que se superponen por ''k - 2'', no por ''k - 1'' (que es necesario en los grafos de De Bruijn). (C) Se muestra las lecturas divididas en 4-meros más pequeños. (D) En este punto, se descarta los 4-meros repetidos y luego se muestra la alineación de estos. Estos k-meros se superponen por ''k - 1'' y luego se pueden usar en un gráfico de De Bruijn.]]
En el ensamblaje de secuencias, los ''k''-meros son utilizados en la construcción de [[Grafo de De Bruijn|grafos de De Bruijn]].<ref>{{Cita publicación|título=Sequence assembly demystified|apellidos=Nagarajan|nombre=Niranjan|apellidos2=Pop|nombre2=Mihai|fecha=2013|publicación=Nature Reviews Genetics|volumen=14|número=3|páginas=157–167|idioma=en|issn=1471-0056|doi=10.1038/nrg3367|pmid=23358380}}</ref><ref>{{Cita publicación|título=De novo assembly of human genomes with massively parallel short read sequencing|apellidos=Li|publicación=Genome Research|volumen=20|número=2|páginas=265–272|doi=10.1101/gr.097261.109|pmc=2813482|pmid=20019144|año=2010|número-autores=etal}}</ref> En un grafo De Bruijn, un ''k''-mero almacenado en un arco de longitud <math> L</math> tiene que solaparse con otro ''k''-mero presente en otro arco por <math>L-1</math> para crear un [[Vértice (teoría de grafos)|nodo]]. Las lecturas (''reads'') generadas a partir de [[Secuenciación del ADN#Secuenciaci%C3%B3n%20de%20alto%20rendimiento%20o%20%22next-generation%22|secuenciación de nueva generación]] usualmente poseen diferentes longitudes de lectura. Por ejemplo, las aquellas provenientes de la secuenciación por tecnología Illumina tienen una longitud de 100. No obstante, el problema con la secuenciación es que sólo se generan fracciones pequeñas de todos los 100-meros (hectómeros) posibles presentes en el genoma. Esto se debe a errores de lectura, pero sobre todo a simples agujeros de cobertura que se producen durante la secuenciación. El problema es que estas fracciones pequeñas de los posibles ''k''-meros violan el supuesto clave de los grafos De Bruijn de que todas las lecturas de ''k''-mero deben solaparse con su ''k''-mero contiguo en el genoma por <math>k-1</math> (lo cual no puede ocurrir si todos los ''k''-meros posibles no están presentes). 

La solución a este problema es dividir las lecturas en ''k''-meros más pequeños, de modo que estos representen todos los posibles ''k''-meros de ese tamaño más pequeño presentes en el genoma.<ref name="debruijn">{{Cita publicación|título=How to apply de Bruijn graphs to genome assembly|apellidos=Compeau|nombre=P.|apellidos2=Pevzner|nombre2=P.|publicación=Nature Biotechnology|volumen=29|número=11|páginas=987–991|doi=10.1038/nbt.2023|pmc=5531759|pmid=22068540|apellidos3=Teslar|nombre3=G.|año=2011}}</ref> Por otro lado, dividir los ''k''-meros en tamaños más pequeños también ayuda a aliviar el inconveniente de tener diferentes longitudes de lectura. En este ejemplo, las cinco lecturas no representan todos los posibles heptámeros del genoma y, como tal, no se puede crear un gráfico de De Bruijn. Empero, cuando se dividen en tetrámeros, las subsecuencias resultantes son suficientes para reconstruir el genoma usando un gráfico de De Bruijn.

Más allá de ser utilizados directamente para ensamblaje de secuencias, los ''k''-meros pueden usarse para detectar el ensamblaje erróneo del genoma al identificar k-meros sobrerrepresentados, lo cual sugiere que secuencias de ADN repetitivo han sido combinadas.<ref>{{Cita publicación|título=Genome assembly forensics: finding the elusive mis-assembly|apellidos=Phillippy, Schatz, Pop|publicación=Bioinformatics|volumen=9|número=3|página=R55|doi=10.1186/gb-2008-9-3-r55|pmc=2397507|pmid=18341692|año=2008}}</ref> Además, los ''k''-meros también se usan para detectar contaminación bacteriana durante el ensamblaje de genoma eucariota, una aproximación tomada del campo de la metagenómica.<ref>{{Cita publicación|título=Identifying contamination with advanced visualization and analysis practices: metagenomic approaches for eukaryotic genome assemblies|apellidos=Delmont, Eren|publicación=PeerJ|volumen=4|página=e1839|doi=10.7717/peerj.1839|pmc=4824900|pmid=27069789|año=2016}}</ref><ref>{{Cita publicación|título=Genome of a tardigrade: Horizontal gene transfer or bacterial contamination?|apellidos=Bemm|publicación=Proceedings of the National Academy of Sciences|volumen=113|número=22|páginas=E3054–E3056|doi=10.1073/pnas.1525116113|pmc=4896698|pmid=27173902|año=2016|número-autores=etal}}</ref>

==== Elección del tamaño del ''k''-mero ====
La selección del tamaño del ''k''-mero implica variedad de efectos en el ensamblaje de secuencias. Tales efectos varían bastante entre ''k''-meros de menor y de mayor tamaño; por ello, debe lograrse una comprensión de los distintos tamaños de ''k-''mero para elegir un tamaño adecuado que equilibre los efectos. Los efectos de los tamaños se describen a continuación.

===== ''k''-meros con tamaños más pequeños =====

* Un tamaño de ''k-''mero pequeño disminuirá la cantidad de arcos almacenados en el grafo y, como tal, ayudará a disminuir la cantidad de espacio requerido para almacenar la secuencia de ADN.
* Tener tamaños más pequeños aumentará la posibilidad de que todos los ''k''-meros se superpongan y tengan las subsecuencias necesarias para construir el grafo de De Bruijn.<ref name="debruijn-2">
{{Cita publicación|título=Velvet: algorithms for de novo short read assembly using de Bruijn graphs|apellidos=Zerbino, Daniel R.|apellidos2=Birney, Ewan|publicación=Genome Research|volumen=18|número=5|páginas=821–829|doi=10.1101/gr.074492.107|pmc=2336801|pmid=18349386|año=2008}}
</ref>
* En cambio, al tener ''k''-meros de menor tamaño, también se corre el riesgo de tener muchos nodos en el grafo que conduce a un solo ''k''-mero. Por lo tanto, esto hará que la reconstrucción del genoma sea más difícil, ya que habría un mayor nivel de ambigüedades al momento de recorrer el grafo debido a la mayor cantidad de nodos que deberán atravesarse.
* La información se pierde a medida que los ''k'' -meros se hacen más pequeños.
** '''Por ejemplo:''' La posibilidad de AGTCGTAGATGCTG es menor que la de ACGT, pero la primera cadena contiene más información (consulte [[Entropía (información)|entropía [teoría de la información]]] para obtener mayor documentación).
* Los ''k''-meros más cortos también tienen el problema de no poder resolver áreas del ADN donde ocurren [[Microsatélite|microsatélites]] o regiones repetitivas. Esto se debe a que los ''k''-meros tenderán a sentarse completamente dentro de la región repetitiva y, por lo tanto, es difícil determinar la cantidad de repetición que realmente hay.
** '''Por ejemplo:''' Para la subsecuencia ATGTGTGTGTGTGTACG, la cantidad de repeticiones de TG se perderá si se elige un tamaño de ''k-''mero menor que 16. Esto se debe a que la mayoría de los ''k''-meros se ubicarán en la región repetitiva y posiblemente se descarten como repeticiones del mismo ''k''-mero en lugar de ser identificados como la cantidad de repeticiones.

===== ''k''-meros con tamaños más grandes =====

* Tener ''k''-meros de mayor tamaño aumentará el número de arcos en el grafo, lo que a su vez, aumentará la cantidad de memoria necesaria para almacenar la secuencia de ADN.
* Al aumentar el tamaño de los ''k''-meros, el número de nodos disminuirá. Esto ayudará con la reconstrucción del genoma, pues habrá menos caminos que recorrer en el grafo.<ref name="debruijn-2">
{{Cita publicación|título=Velvet: algorithms for de novo short read assembly using de Bruijn graphs|apellidos=Zerbino, Daniel R.|apellidos2=Birney, Ewan|publicación=Genome Research|volumen=18|número=5|páginas=821–829|doi=10.1101/gr.074492.107|pmc=2336801|pmid=18349386|año=2008}}
</ref>
* Los ''k''-meros más grandes también corren un mayor riesgo de no poderse solapar con otros ''k''-meros por <math>k - 1</math>, de modo que se forman menos nodos. Esto puede provocar desuniones en las lecturas y, como tal, puede dar lugar a una mayor cantidad de [[Cóntigo|cóntigos]] más cortos.
* Tamaños más grandes de ''k''-mero ayudan a aliviar el problema de las regiones de repetitivas cortas. Esto se debe al hecho de que el ''k''-mero contendrá un equilibrio entre la región repetitiva y las secuencias de ADN adyacentes (con tal de que sean de un tamaño lo suficientemente grande) que pueden ayudar a resolver la cantidad de repetición en esa región en particular.

=== Genética y genómica ===
El sesgo de dinucleótidos se ha aplicado a la detección de islas genéticas asociadas con patogenicidad.<ref name=":1">{{Cita publicación|título=GC-biased gene conversion links the recombination landscape and demography to genomic base composition: GC-biased gene conversion drives genomic base composition across a wide range of species|apellidos=Mugal|nombre=Carina F.|apellidos2=Weber|nombre2=Claudia C.|fecha=December 2015|publicación=BioEssays|volumen=37|número=12|páginas=1317–1326|idioma=en|doi=10.1002/bies.201500058|pmid=26445215|apellidos3=Ellegren|nombre3=Hans}}</ref> Además, existen trabajos donde se ha demostrado que los sesgos por tetranucleótidos son capaces de detectar eficazmente [[Transferencia genética horizontal|transferencia horizontal de genes]] tanto en procariotas<ref>{{Cita publicación|título=GIDT — A tool for the identification and visualization of genomic islands in prokaryotic organisms|apellidos=Goodur|nombre=Haswanee D.|apellidos2=Ramtohul|nombre2=Vyasanand|fecha=2012-11-11|publicación=2012 IEEE 12th International Conference on Bioinformatics & Bioengineering (BIBE)|páginas=58–63|doi=10.1109/bibe.2012.6399707|isbn=978-1-4673-4358-9|apellidos3=Baichoo|nombre3=Shakuntala}}</ref> como en eucariotas.<ref>{{Cita publicación|título=SigHunt: horizontal gene transfer finder optimized for eukaryotic genomes|apellidos=Jaron|nombre=K. S.|apellidos2=Moravec|nombre2=J. C.|fecha=2014-04-15|publicación=Bioinformatics|volumen=30|número=8|páginas=1081–1086|idioma=en|issn=1367-4803|doi=10.1093/bioinformatics/btt727|pmid=24371153|apellidos3=Martinkova|nombre3=N.}}</ref>

Otra aplicación de los ''k''-meros está en la taxonomía basada en genómica. Por ejemplo, el contenido de GC se ha utilizado para distinguir entre especies de ''[[Erwinia]]'' con un éxito moderado.<ref>{{Cita publicación|título=DNA Base Composition and Taxonomy of Phytopathogenic and Other Enterobacteria|apellidos=Starr|nombre=M. P.|apellidos2=Mandel|nombre2=M.|fecha=1969-04-01|publicación=Journal of General Microbiology|volumen=56|número=1|páginas=113–123|idioma=en|issn=0022-1287|doi=10.1099/00221287-56-1-113|pmid=5787000}}</ref> Asimismo, el uso de la T<small>m</small>, temperatura de fusión del ADN, ha tenido usos taxonómicos. Debido a que los enlaces de GC son más estables térmicamente, las secuencias con un mayor contenido de GC muestran una mayor T<small>m.</small> En 1987, se propuso el uso de ΔT<small>m</small> como factor para determinar límites entre especies como parte del [[Especie|concepto filogenético de especie]], aunque esta propuesta no parece haber ganado terreno dentro de la comunidad científica.<ref>{{Cita publicación|título=Report of the Ad Hoc Committee on Reconciliation of Approaches to Bacterial Systematics|apellidos=Moore|nombre=W. E. C.|apellidos2=Stackebrandt|nombre2=E.|fecha=1987-10-01|publicación=International Journal of Systematic and Evolutionary Microbiology|volumen=37|número=4|páginas=463–464|idioma=en|issn=1466-5026|doi=10.1099/00207713-37-4-463|apellidos3=Kandler|nombre3=O.|apellidos4=Colwell|nombre4=R. R.|apellidos5=Krichevsky|nombre5=M. I.|apellidos6=Truper|nombre6=H. G.|apellidos7=Murray|nombre7=R. G. E.|apellidos8=Wayne|nombre8=L. G.|apellidos9=Grimont|nombre9=P. A. D.}}</ref>

Entre otras aplicaciones de los ''k''-meros dentro de la genética y de la genómica están:

* Cuantificación de isoformas [[RNA-Seq|de ARN]] a partir de datos de RNA-seq<ref>{{Cita publicación|título=Sailfish enables alignment-free isoform quantification from RNA-seq reads using lightweight algorithms|url=https://archive.org/details/sim_nature-biotechnology_2014-05_32_5/page/462|apellidos=Patro, Mount, Kingsford|publicación=Nature Biotechnology|volumen=32|número=5|páginas=462–464|doi=10.1038/nbt.2862|pmc=4077321|pmid=24752080|año=2014|arxiv=1308.3700}}</ref>
* Clasificación de un [[haplogrupo]] mitocondrial en humanos<ref>{{Cita publicación|título=Phy-Mer: a novel alignment-free and reference-independent mitochondrial haplogroup classifier|apellidos=Navarro-Gomez|publicación=Bioinformatics|volumen=31|número=8|páginas=1310–1312|doi=10.1093/bioinformatics/btu825|pmc=4393525|pmid=25505086|año=2015|número-autores=etal}}</ref>
* Detección de sitios de recombinación en genomas<ref>{{Cita publicación|título=Recombination spot identification Based on gapped k-mers|apellidos=Wang|nombre=Rong|apellidos2=Xu|nombre2=Yong|fecha=2016|publicación=Scientific Reports|volumen=6|número=1|páginas=23934|idioma=en|bibcode=2016NatSR...623934W|issn=2045-2322|doi=10.1038/srep23934|pmc=4814916|pmid=27030570|apellidos3=Liu|nombre3=Bin}}</ref>
* Estimación del tamaño del genoma usando frecuencia de ''k''-meros contra profundidad de ''k''-mero<ref>{{Obra citada|título=How Big is that Genome? Estimating Genome Size and Coverage from k-mer Abundance Spectra|apellidos=Hozza|nombre=Michal|fecha=2015|editorial=Springer International Publishing|pub-periódica=String Processing and Information Retrieval|volumen=9309|páginas=199–209|apellidos2=Vinař|nombre2=Tomáš|apellidos3=Brejová|nombre3=Broňa|editor=Iliopoulos|nombre-editor=Costas|editor2=Puglisi|editor3=Yilmaz|ISBN=9783319238258|DOI=10.1007/978-3-319-23826-5_20|editor2-first=Simon}}</ref><ref>{{Cita publicación|título=Structural genomic changes underlie alternative reproductive strategies in the ruff (Philomachus pugnax)|apellidos=Lamichhaney|nombre=Sangeet|apellidos2=Fan|nombre2=Guangyi|fecha=2016|publicación=Nature Genetics|volumen=48|número=1|páginas=84–88|idioma=en|issn=1061-4036|doi=10.1038/ng.3430|pmid=26569123|apellidos3=Widemo|nombre3=Fredrik|apellidos4=Gunnarsson|nombre4=Ulrika|apellidos5=Thalmann|nombre5=Doreen Schwochow|apellidos6=Hoeppner|nombre6=Marc P|apellidos7=Kerje|nombre7=Susanne|apellidos8=Gustafson|nombre8=Ulla|apellidos9=Shi|nombre9=Chengcheng}}</ref>
* Caracterización de islas CpG por regiones flanqueantes<ref>{{Cita publicación|título=Comparative analysis using K-mer and K-flank patterns provides evidence for CpG island sequence evolution in mammalian genomes|apellidos=Chae|publicación=Nucleic Acids Research|volumen=41|número=9|páginas=4783–4791|doi=10.1093/nar/gkt144|pmc=3643570|pmid=23519616|año=2013|número-autores=etal}}</ref><ref>{{Cita publicación|url=https://zenodo.org/record/895970|título=Rare k-mer DNA: Identification of sequence motifs and prediction of CpG island and promoter|apellidos=Mohamed Hashim, Abdullah|publicación=Journal of Theoretical Biology|volumen=387|páginas=88–100|doi=10.1016/j.jtbi.2015.09.014|pmid=26427337|año=2015}}</ref>

* Detección ''de novo'' secuencias repetidas, como en los [[transposones]]<ref>{{Cita publicación|título=De novo identification of repeat families in large genomes|apellidos=Price, Jones, Pevzner|publicación=Bioinformatics|volumen=21(supp 1)|páginas=i351–8|doi=10.1093/bioinformatics/bti1018|pmid=15961478|año=2005}}</ref>
* [[Código de barras de la vida|Código de barras]] de ADN para las especies.<ref name=":5">{{Cita publicación|título=Genomic DNA k-mer spectra: models and modalities|apellidos=Chor|nombre=Benny|apellidos2=Horn|nombre2=David|fecha=2009|publicación=Genome Biology|volumen=10|número=10|páginas=R108|idioma=en|issn=1465-6906|doi=10.1186/gb-2009-10-10-r108|pmc=2784323|pmid=19814784|apellidos3=Goldman|nombre3=Nick|apellidos4=Levy|nombre4=Yaron|apellidos5=Massingham|nombre5=Tim}}</ref><ref>{{Cita publicación|título=Identification of species based on DNA barcode using k-mer feature vector and Random forest classifier|apellidos=Meher|nombre=Prabina Kumar|apellidos2=Sahu|nombre2=Tanmaya Kumar|fecha=2016|publicación=Gene|volumen=592|número=2|páginas=316–324|idioma=en|doi=10.1016/j.gene.2016.07.010|pmid=27393648|apellidos3=Rao|nombre3=A.R.}}</ref>
* Caracterización de motivos de secuencias de unión a proteínas<ref>{{Cita publicación|título=UniPROBE: an online database of protein binding microarray data on protein–DNA interactions|apellidos=Newburger, Bulyk|publicación=Nucleic Acids Research|volumen=37(supp 1)|número=Database issue|páginas=D77–82|doi=10.1093/nar/gkn660|pmc=2686578|pmid=18842628|año=2009}}</ref>
* Identificación de [[Mutación|mutaciones]] o [[Polimorfismo (biología)|polimorfismos]] utilizando datos de [[Secuenciación del ADN|secuenciación]] de próxima generación (NGS)<ref>{{Cita publicación|título=Mutation identification by direct comparison of whole-genome sequencing data from mutant and wild-type individuals using k-mers|url=https://archive.org/details/sim_nature-biotechnology_2013-04_31_4/page/325|apellidos=Nordstrom|publicación=Nature Biotechnology|volumen=31|número=4|páginas=325–330|doi=10.1038/nbt.2515|pmid=23475072|año=2013|número-autores=etal}}</ref>

=== Metagenómica ===
La variación en la frecuencia y espectro de k-mero se usa mucho en metagenómica tanto para análisis<ref>{{Cita publicación|título=Self-organizing approach for meta-genomes|apellidos=Zhu|nombre=Jianfeng|apellidos2=Zheng|nombre2=Wei-Mou|fecha=2014|publicación=Computational Biology and Chemistry|volumen=53|páginas=118–124|idioma=en|doi=10.1016/j.compbiolchem.2014.08.016|pmid=25213854}}</ref><ref>{{Cita publicación|título=Assessment of k-mer spectrum applicability for metagenomic dissimilarity analysis|apellidos=Dubinkina|apellidos2=Ischenko|publicación=BMC Bioinformatics|volumen=17|página=38|doi=10.1186/s12859-015-0875-7|pmc=4715287|pmid=26774270|apellidos3=Ulyantsev|apellidos4=Tyakht|apellidos5=Alexeev|año=2016}}</ref> como para ''binning'' (agrupamiento de lecturas o cóntigos y posterior asignación a genomas individuales). En el ''binning'', el desafío es separar las lecturas de secuenciación en «contenedores» (''bins'' en inglés) de lecturas para cada organismo (o [[unidad taxonómica operativa]]) para luego ensamblarlas. Por ejemplo, en función de las frecuencias de tetranucleótidos ''(k'' = 4), el algoritmo TETRA toma muestras metagenómicas y las agrupa en organismos diferentes.<ref>{{Cita publicación|título=TETRA: a web-service and a stand-alone program for the analysis and comparison of tetranucleotide usage patterns in DNA sequences|apellidos=Teeling|nombre=H|apellidos2=Waldmann|nombre2=J|publicación=BMC Bioinformatics|volumen=5|página=163|doi=10.1186/1471-2105-5-163|pmc=529438|pmid=15507136|apellidos3=Lombardot|nombre3=T|apellidos4=Bauer|nombre4=M|apellidos5=Glöckner|nombre5=F|año=2004}}</ref> Otras herramientas que también usan la frecuencia de ''k''-mero para el ''binning'' metagenómico son CompostBin ( ''k'' = 6),<ref>{{Obra citada|título=CompostBin: A DNA Composition-Based Algorithm for Binning Environmental Shotgun Reads|idioma=en|apellidos=Chatterji|nombre=Sourav|fecha=2008|editorial=Springer Berlin Heidelberg|pub-periódica=Research in Computational Molecular Biology|volumen=4955|páginas=17–28|apellidos2=Yamazaki|nombre2=Ichitaro|apellidos3=Bai|nombre3=Zhaojun|apellidos4=Eisen|nombre4=Jonathan A.|editor=Vingron|nombre-editor=Martin|editor2=Wong|ISBN=9783540788386|DOI=10.1007/978-3-540-78839-3_3|editor2-first=Limsoon}}</ref> PCAHIER,<ref>{{Cita publicación|título=Short Prokaryotic DNA Fragment Binning Using a Hierarchical Classifier Based on Linear Discriminant Analysis and Principal Component Analysis|apellidos=Zheng|nombre=Hao|apellidos2=Wu|nombre2=Hongwei|fecha=2010|publicación=Journal of Bioinformatics and Computational Biology|volumen=08|número=6|páginas=995–1011|idioma=en|issn=0219-7200|doi=10.1142/S0219720010005051|pmid=21121023}}</ref> PhyloPythia (5 ≤ ''k'' ≤ 6),<ref>{{Cita publicación|título=Accurate phylogenetic classification of variable-length DNA fragments|apellidos=McHardy|nombre=Alice Carolyn|apellidos2=Martín|nombre2=Héctor García|fecha=2007|publicación=Nature Methods|volumen=4|número=1|páginas=63–72|idioma=en|issn=1548-7091|doi=10.1038/nmeth976|pmid=17179938|apellidos3=Tsirigos|nombre3=Aristotelis|apellidos4=Hugenholtz|nombre4=Philip|apellidos5=Rigoutsos|nombre5=Isidore}}</ref> CLARK ( ''k'' ≥ 20),<ref>{{Cita publicación|título=CLARK: fast and accurate classification of metagenomic and genomic sequences using discriminative k-mers|apellidos=Ounit|nombre=Rachid|apellidos2=Wanamaker|nombre2=Steve|fecha=2015|publicación=BMC Genomics|volumen=16|número=1|páginas=236|idioma=en|issn=1471-2164|doi=10.1186/s12864-015-1419-2|pmc=4428112|pmid=25879410|apellidos3=Close|nombre3=Timothy J|apellidos4=Lonardi|nombre4=Stefano}}</ref> y TACOA (2 ≤ ''k'' ≤ 6).<ref>{{Cita publicación|título=TACOA – Taxonomic classification of environmental genomic fragments using a kernelized nearest neighbor approach|apellidos=Diaz|nombre=Naryttza N|apellidos2=Krause|nombre2=Lutz|fecha=2009|publicación=BMC Bioinformatics|volumen=10|número=1|páginas=56|idioma=en|issn=1471-2105|doi=10.1186/1471-2105-10-56|pmc=2653487|pmid=19210774|apellidos3=Goesmann|nombre3=Alexander|apellidos4=Niehaus|nombre4=Karsten|apellidos5=Nattkemper|nombre5=Tim W}}</ref> En desarrollos recientes también se ha aplicado [[aprendizaje profundo]] al ''binning'' metagenómico mediante el uso de ''k''-meros.<ref>{{Cita publicación|título=Deep learning models for bacteria taxonomic classification of metagenomic data|apellidos=Fiannaca|nombre=Antonino|apellidos2=La Paglia|nombre2=Laura|fecha=2018|publicación=BMC Bioinformatics|volumen=19|número=S7|páginas=198|idioma=en|issn=1471-2105|doi=10.1186/s12859-018-2182-6|pmc=6069770|pmid=30066629|apellidos3=La Rosa|nombre3=Massimo|apellidos4=Lo Bosco|nombre4=Giosue’|apellidos5=Renda|nombre5=Giovanni|apellidos6=Rizzo|nombre6=Riccardo|apellidos7=Gaglio|nombre7=Salvatore|apellidos8=Urso|nombre8=Alfonso}}</ref>

Otras aplicaciones dentro de la metagenómica incluyen:

* Recuperación de marcos de lectura a partir de lecturas sin procesar<ref>{{Cita publicación|título=Self-organizing approach for meta-genomes|apellidos=Zhu, Zheng|publicación=Computational Biology and Chemistry|volumen=53|páginas=118–124|doi=10.1016/j.compbiolchem.2014.08.016|pmid=25213854|año=2014}}</ref>
* Estimación de la abundancia de especies en muestras metagenómicas<ref>{{Cita publicación|título=Bracken: estimating species abundance in metagenomics data|apellidos=Lu|nombre=Jennifer|apellidos2=Breitwieser|nombre2=Florian P.|fecha=2017-01-02|publicación=PeerJ Computer Science|volumen=3|páginas=e104|idioma=en|issn=2376-5992|doi=10.7717/peerj-cs.104|apellidos3=Thielen|nombre3=Peter|apellidos4=Salzberg|nombre4=Steven L.}}</ref>
* Determinación de especies presentes en muestras determinadas<ref>{{Cita publicación|título=Kraken: ultrafast metagenomic sequence classification using exact alignments|apellidos=Wood|nombre=Derrick E|apellidos2=Salzberg|nombre2=Steven L|fecha=2014|publicación=Genome Biology|volumen=15|número=3|páginas=R46|idioma=en|issn=1465-6906|doi=10.1186/gb-2014-15-3-r46|pmc=4053813|pmid=24580807}}</ref><ref>{{Cita publicación|título=Metagenome Fragment Classification Using -Mer Frequency Profiles|apellidos=Rosen|nombre=Gail|apellidos2=Garbarine|nombre2=Elaine|fecha=2008|publicación=Advances in Bioinformatics|volumen=2008|páginas=205969|idioma=en|issn=1687-8027|doi=10.1155/2008/205969|pmc=2777009|pmid=19956701|apellidos3=Caseiro|nombre3=Diamantino|apellidos4=Polikar|nombre4=Robi|apellidos5=Sokhansanj|nombre5=Bahrad}}</ref>
* Identificación de [[Biomarcador|biomarcadores]] para enfermedades a partir de muestras<ref>{{Cita publicación|título=Identifying Group-Specific Sequences for Microbial Communities Using Long k-mer Sequence Signatures|apellidos=Wang|nombre=Ying|apellidos2=Fu|nombre2=Lei|fecha=2018-05-03|publicación=Frontiers in Microbiology|volumen=9|páginas=872|issn=1664-302X|doi=10.3389/fmicb.2018.00872|pmc=5943621|pmid=29774017|apellidos3=Ren|nombre3=Jie|apellidos4=Yu|nombre4=Zhaoxia|apellidos5=Chen|nombre5=Ting|apellidos6=Sun|nombre6=Fengzhu}}</ref>

=== Biotecnología ===
Ciertas aplicaciones biotecnológicas modifican las frecuencias de ''k''-mero en secuencias de ADN para controlar la eficiencia traduccional. En particular, para regular tanto al alza como a la baja las tasas de producción de proteínas.

En la producción de proteínas, se ha utilizado la reducción de la frecuencia de dinucleótidos para obtener tasas más altas de síntesis proteica.<ref>{{Cita publicación|título=UU/UA Dinucleotide Frequency Reduction in Coding Regions Results in Increased mRNA Stability and Protein Expression|apellidos=Al-Saif|nombre=Maher|apellidos2=Khabar|nombre2=Khalid SA|fecha=2012|publicación=Molecular Therapy|volumen=20|número=5|páginas=954–959|idioma=en|doi=10.1038/mt.2012.29|pmc=3345983|pmid=22434136}}</ref> Además, el sesgo en el uso de codones puede ser modificado para crear secuencias sinónimas con mayores tasas de expresión proteica.<ref name=":4">{{Cita publicación|título=Design Parameters to Control Synthetic Gene Expression in Escherichia coli|apellidos=Welch|nombre=Mark|apellidos2=Govindarajan|nombre2=Sridhar|fecha=2009-09-14|publicación=PLOS ONE|volumen=4|número=9|páginas=e7002|apellidos-editor=Kudla|nombre-editor=Grzegorz|idioma=en|bibcode=2009PLoSO...4.7002W|issn=1932-6203|doi=10.1371/journal.pone.0007002|pmc=2736378|pmid=19759823|apellidos3=Ness|nombre3=Jon E.|apellidos4=Villalobos|nombre4=Alan|apellidos5=Gurney|nombre5=Austin|apellidos6=Minshull|nombre6=Jeremy|apellidos7=Gustafsson|nombre7=Claes}}</ref><ref name=":6">{{Cita publicación|título=Codon bias and heterologous protein expression|url=https://archive.org/details/sim_trends-in-biotechnology_2004-07_22_7/page/346|apellidos=Gustafsson|nombre=Claes|apellidos2=Govindarajan|nombre2=Sridhar|fecha=July 2004|publicación=Trends in Biotechnology|volumen=22|número=7|páginas=346–353|idioma=en|doi=10.1016/j.tibtech.2004.04.006|pmid=15245907|apellidos3=Minshull|nombre3=Jeremy}}</ref> Igualmente, la optimización de pares de codones, una combinación de optimización de codones y de dinucleótidos, también se ha empleado con éxito para aumentar la expresión.<ref>{{Cita publicación|título=Optimization of codon pair use within the (GGGGS)3 linker sequence results in enhanced protein expression|apellidos=Trinh|nombre=R|apellidos2=Gurbaxani|nombre2=B|publicación=Molecular Immunology|volumen=40|número=10|páginas=717–722|doi=10.1016/j.molimm.2003.08.006|pmid=14644097|apellidos3=Morrison|nombre3=SL|apellidos4=Seyfzadeh|nombre4=M|año=2004}}</ref>

La aplicación más estudiada de los ''k''-meros respecto a a disminución en la eficiencia traduccional es la manipulación de pares de codones para atenuar virus con el fin de crear vacunas. Se ha podido recodificar el [[Virus dengue|virus del dengue]], causante de la [[Dengue|fiebre del dengue]], de modo que su sesgo de pares de codones sea más diferente de la preferencia de uso de codones de los mamíferos en comparación con el virus de tipo salvaje.<ref>{{Cita publicación|título=Large-scale recoding of an arbovirus genome to rebalance its insect versus mammalian preference|apellidos=Shen|nombre=Sam H.|apellidos2=Stauft|nombre2=Charles B.|fecha=2015-04-14|publicación=Proceedings of the National Academy of Sciences|volumen=112|número=15|páginas=4749–4754|idioma=en|bibcode=2015PNAS..112.4749S|issn=0027-8424|doi=10.1073/pnas.1502864112|pmc=4403163|pmid=25825721|apellidos3=Gorbatsevych|nombre3=Oleksandr|apellidos4=Song|nombre4=Yutong|apellidos5=Ward|nombre5=Charles B.|apellidos6=Yurovsky|nombre6=Alisa|apellidos7=Mueller|nombre7=Steffen|apellidos8=Futcher|nombre8=Bruce|apellidos9=Wimmer|nombre9=Eckard}}</ref> Si bien el virus recodificado contiene una secuencia de aminoácidos idéntica, presenta una [[Agente biológico patógeno|patogenicidad]] significativamente menor pero provoca una respuesta inmunitaria fuerte. Este enfoque también se ha utilizado eficazmente para crear una vacuna contra la influenza,<ref>{{Cita publicación|título=Vaccination of pigs with a codon-pair bias de-optimized live attenuated influenza vaccine protects from homologous challenge|apellidos=Kaplan|nombre=Bryan S.|apellidos2=Souza|nombre2=Carine K.|fecha=2018|publicación=Vaccine|volumen=36|número=8|páginas=1101–1107|idioma=en|doi=10.1016/j.vaccine.2018.01.027|pmid=29366707|apellidos3=Gauger|nombre3=Phillip C.|apellidos4=Stauft|nombre4=Charles B.|apellidos5=Robert Coleman|nombre5=J.|apellidos6=Mueller|nombre6=Steffen|apellidos7=Vincent|nombre7=Amy L.}}</ref> y una vacuna contra el [[Enfermedad de Marek|virus del herpes de la enfermedad de Marek]] (MDV).<ref name="Sin_nombre-pEWv-1"/> No obstante, la manipulación del sesgo de pares de codones empleada para atenuar el MDV no reduce eficazmente la [[Oncogénesis|oncogenicidad]] del virus, lo que destaca una debilidad potencial en las aplicaciones biotecnológicas de este enfoque.

Al estudiar los virus y sus hospederos, ha sido posible concluir que el mecanismo molecular que da como resultado la atenuación de los virus es un aumento de dinucleótidos poco adecuados para la traducción.<ref>{{Cita publicación|título=Codon Pair Bias Is a Direct Consequence of Dinucleotide Bias|apellidos=Kunec|nombre=Dusan|apellidos2=Osterrieder|nombre2=Nikolaus|fecha=2016|publicación=Cell Reports|volumen=14|número=1|páginas=55–67|idioma=en|doi=10.1016/j.celrep.2015.12.011|pmid=26725119}}</ref><ref>{{Cita publicación|título=RNA virus attenuation by codon pair deoptimisation is an artefact of increases in CpG/UpA dinucleotide frequencies|apellidos=Tulloch|nombre=Fiona|apellidos2=Atkinson|nombre2=Nicky J|fecha=2014-12-09|publicación=eLife|volumen=3|páginas=e04531|idioma=en|issn=2050-084X|doi=10.7554/eLife.04531|pmc=4383024|pmid=25490153|apellidos3=Evans|nombre3=David J|apellidos4=Ryan|nombre4=Martin D|apellidos5=Simmonds|nombre5=Peter}}</ref>

Otra herramienta biotecnológica importante es la predicción de la temperatura de hibridación durante una [[PCR]] mediante el análisis del efecto del contenido GC en el punto de fusión del ADN.

== Implementación ==

=== Seudocódigo ===
Determinar los posibles ''k-''meros de una lectura se puede hacer simplemente iterando de uno en uno sobre la longitud de la cadena y sacando cada subcadena de longitud <math>k</math> . El seudocódigo para lograr lo anterior es el siguiente:
 '''subrutina''' k-meros(''secuencia'' sec, ''entero'' k) '''es:'''
   L = longitud(sec)
   arr = nuevo arreglo de L - k + 1 cadena de caracteres vacía
 
   # ''itera sobre el número de k-meros en sec,'' 
   # ''almacena el n-ésimo k-mero en el arreglo de salida''
   '''para''' n = 0 '''a''' L - k + 1 exclusivo '''hacer:'''
     arr[n] = subsecuencia de sec desde inclusive la letra n hasta exclusive la letra n + k 
 
   '''devolver''' arr

===== Python3 =====
<syntaxhighlight lang="python3">
def find_kmers(string, k):

      n = len(string)
      kmers = []
    
      for i in range(0, n-k+1):
           kmers.append(string[i:i+k])

      return kmers
</syntaxhighlight>

=== En segmentaciones (''pipelines'') bioinformáticas ===
Debido a que el número de ''k''-meros crece exponencialmente para valores de ''k'', contar ''k''-meros con valores grandes de ''k'' (usualmente > 10) es una tarea computacionalmente difícil. Mientras que implementaciones como el seudocódigo de arriba sirven para trabajar con valores pequeños de ''k'', para aplicaciones de alto rendimiento o cuando ''k'' es grande, tales implementaciones deben ser adaptadas. Para solucionar este problema, se han desarrollado varias herramientas:

* [https://github.com/gmarcais/Jellyfish/ Jellyfish] usa una [[tabla hash]] sin bloqueo y multiprocesada para el recuento de ''k''-meros y tiene vinculaciones con [[Python]], [[Ruby]] y [[Perl]]<ref>{{Cita publicación|título=A fast, lock-free approach for efficient parallel counting of occurrences of k-mers|apellidos=Marçais|nombre=Guillaume|apellidos2=Kingsford|nombre2=Carl|fecha=2011-03-15|publicación=Bioinformatics|volumen=27|número=6|páginas=764–770|idioma=en|issn=1460-2059|doi=10.1093/bioinformatics/btr011|pmc=3051319|pmid=21217122}}</ref>
* [https://github.com/refresh-bio/KMC KMC] es una herramienta para el recuento ''de k-''meros que utiliza una arquitectura multidisco para optimizar la velocidad<ref>{{Cita publicación|título=KMC 2: fast and resource-frugal k-mer counting|apellidos=Deorowicz|nombre=Sebastian|apellidos2=Kokot|nombre2=Marek|fecha=2015-05-15|publicación=Bioinformatics|volumen=31|número=10|páginas=1569–1576|idioma=en|issn=1460-2059|doi=10.1093/bioinformatics/btv022|pmid=25609798|apellidos3=Grabowski|nombre3=Szymon|apellidos4=Debudaj-Grabysz|nombre4=Agnieszka}}</ref>
* [https://github.com/uni-halle/gerbil Gerbil] usa un enfoque de tabla hash pero con soporte adicional para la aceleración de la [[GPU]]<ref>{{Cita publicación|título=Gerbil: a fast and memory-efficient k-mer counter with GPU-support|apellidos=Erbert|nombre=Marius|apellidos2=Rechner|nombre2=Steffen|fecha=2017|publicación=Algorithms for Molecular Biology|volumen=12|número=1|páginas=9|idioma=en|issn=1748-7188|doi=10.1186/s13015-017-0097-9|pmc=5374613|pmid=28373894|apellidos3=Müller-Hannemann|nombre3=Matthias}}</ref>
* [https://github.com/TGAC/KAT K-mer Analysis Toolkit (KAT)] utiliza una versión modificada de Jellyfish para analizar el recuentos de ''k''-meros<ref name=":7">{{Cita publicación|título=KAT: a K-mer analysis toolkit to quality control NGS datasets and genome assemblies|apellidos=Mapleson|nombre=Daniel|apellidos2=Garcia Accinelli|nombre2=Gonzalo|fecha=2016-10-22|publicación=Bioinformatics|volumen=33|número=4|páginas=574–576|idioma=en|issn=1367-4803|doi=10.1093/bioinformatics/btw663|pmc=5408915|pmid=27797770|apellidos3=Kettleborough|nombre3=George|apellidos4=Wright|nombre4=Jonathan|apellidos5=Clavijo|nombre5=Bernardo J.}}</ref>

== Véase también ==
* [[Oligonucleótido]]

== Referencias ==
<references />

== Enlaces externos ==
* [http://biorxiv.org/search/k-mer bioXriv: k-mer]
* [https://arxiv.org/find/all/1/all:+k%2dmer/0/1/0/all/0/1 arXiv: k-mer]

{{Control de autoridades}}
[[Categoría:Aminoácidos]]
[[Categoría:Bioinformática]]
[[Categoría:Biofísica]]
[[Categoría:Matemáticas aplicadas]]
[[Categoría:Ácidos nucleicos]]
[[Categoría:Biología computacional]]