Cartera de servicios de análisis basados en datos de expresión

 Análisis de patrones de expresión diferenciales

Mediante técnicas como el “Significance Analysis of Microarrays” (SAM) podemos establecer diferencias en los patrones de expresión de genes, proteínas o miRNAs entre dos o más grupos de pacientes. Esta herramienta ha demostrado ser útil, por ejemplo, en la definición de grupos moleculares de novo. El SAM nos proporciona una lista de genes diferenciales entre los grupos. Este análisis se utilizó por ejemplo en la caracterización de un nuevo grupo molecular dentro de los tumores de mama receptores hormonales positivos que tenía un perfil molecular más acorde con los triples negativos (Gámez-Pozo et al., Sci Re 2017).
patrones de expresion diferenciales

Proteínas diferenciales entre distintos grupos de tumores de mama (Gámez-Pozo et al. Sci Re 2017).

Redes con estructura funcional

Mediante modelos Bayesianos construimos una red usando los datos de expresión de líneas celulares o muestras clínicas. La principal característica de este tipo de redes es que poseen estructura funcional, es decir, es posible establecer nodos con una función biológica mayoritariamente representada. De esta manera es posible caracterizar grupos de pacientes a nivel funcional, pudiendo estudiar las diferencias existentes en los procesos biológicos.  Esta técnica ha sido usada en diferentes escenarios como por ejemplo en datos de proteómica y miRNAs de tumores de mama (Gámez-Pozo et al, Cancer Research 2015).

 

red

Red obtenida a partir de datos de proteómica y miRNAs de tumores de mama (Gámez-Pozo et al, Can Res 2015).

Flux Balance Analysis

El “Flux Balance Analysis” es una técnica que se utiliza tradicionalmente en biotecnología para optimizar el crecimiento de microorganismos. Recientemente, con la reconstrucción completa del metabolismo humano se ha comenzado a emplear en otros campos como el estudio del crecimiento tumoral. Este análisis nos permite modelar el crecimiento o la tasa de producción de un determinado metabolito a partir de datos de expresión. Hemos validado esta técnica con datos de proteómica de tumores de cáncer de mama. El “Flux Balance Analysis” predecía como más proliferativos los tumores triples negativos, algo que ya está establecido (Gámez-Pozo et al., Sci Re 2017).

 

Imagen2

Predicciones de crecimiento tumoral a partir de datos de proteómica (Gámez-Pozo et al. Sci Re 2017).

“Sparse k-means” y “Consensus clustering algorithm” para clasificación de muestras

La combinación del “sparse k-means” y el “consensus clustering algorithm” permiten definir diferentes capas de información en un conjunto de datos. De esta manera es posible separar la información en función de su importancia en la clasificación de las muestras. Por ejemplo, esta aproximación ha demostrado su utilidad en la clasificación de tumores de mama triples negativos en los que se mezcla la información inmune con la información molecular en los datos de expresión. Este tipo de análisis se empleó para separar estas dos capas de información y poder definir un estatus inmune en este tipo de tumores que cobra importancia debido al auge de la inmunoterapia (datos no publicados).

Elaboración de predictores

Los predictores de clase permiten elaborar un predictor que clasifique las muestras clínicas en diferentes grupos. Por otro lado, los predictores de supervivencia se utilizan para clasificar muestras clínicas de las que se conoce su evolución clínica según alto o bajo riesgo de recaída. Estos predictores se definen a partir de datos de expresión de genes, proteínas o miRNAs. También es posible elaborar predictores a partir de los datos obtenidos en las redes Bayesianas.

imagen3

Predictor de supervivencia elaborado con datos de expresión de miRNAS de tumores primarios de melanoma.

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.

ACEPTAR
Aviso de cookies