Alberto Risueño Pérez - Gredos - Universidad de Salamanca
Alberto Risueño Pérez - Gredos - Universidad de Salamanca
Alberto Risueño Pérez - Gredos - Universidad de Salamanca
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Conclusiones generales<br />
Conclusiones generales<br />
Con la llegada <strong>de</strong> las técnicas genómicas/transcriptómicas <strong>de</strong> alto rendimiento, los análisis <strong>de</strong><br />
expresión génica se han revelado como una herramienta muy eficaz para la investigación<br />
biomédica. Estas técnicas permiten obtener perfiles moleculares <strong>de</strong>tallados <strong>de</strong> las muestras<br />
estudiadas, pudiendo comparar posteriormente distintos estados biológicos –como muestras<br />
<strong>de</strong> distintos tipos <strong>de</strong> tejidos o células sanas o, también, muestras <strong>de</strong> estados patológicos y<br />
enfermeda<strong>de</strong>s–, ayudándose <strong>de</strong> las herramientas bioinformáticas necesarias. La tecnología <strong>de</strong><br />
expresión génica más utilizada hasta la fecha, ha sido la <strong>de</strong> microarrays <strong>de</strong> oligonucleótidos <strong>de</strong><br />
alta <strong>de</strong>nsidad. Aunque en el presente –diciembre <strong>de</strong> 2012– todo hace pensar que la<br />
secuenciación masiva <strong>de</strong> nueva generación (NGS) está tomando el relevo, la gran cantidad<br />
muestras hibridadas con microarrays y almacenadas en los distintos repositorios públicos,<br />
hacen provechoso el seguir utilizando y <strong>de</strong>sarrollando métodos computacionales para su<br />
análisis. La presente Tesis Doctoral se ha centrado en estudiar y mejorar los análisis<br />
computacionales bioinformáticos realizados con esta tecnología, y aplicar esas mejoras al<br />
análisis <strong>de</strong> muestras pertenecientes a series experimentales –principalmente <strong>de</strong> cáncer–<br />
obtenidas con grupos colaboradores, así como para el análisis <strong>de</strong> muestras proce<strong>de</strong>ntes <strong>de</strong><br />
repositorios públicos.<br />
En el capítulo 1 se realizó una mejora <strong>de</strong> la anotación <strong>de</strong> las sondas <strong>de</strong> distintos tipos <strong>de</strong><br />
microarrays <strong>de</strong> expresión, utilizando para ello una fuente <strong>de</strong> conocimiento biológico<br />
actualizado. Esto ha permitido mejorar los análisis respecto a la anotación original <strong>de</strong>l<br />
fabricante apuntando directamente a entida<strong>de</strong>s biológicas como genes, transcritos y exones.<br />
Al hacer esto: (i) se eliminan muchas sondas que no se pue<strong>de</strong>n asociar con ningún locus génico<br />
conocido (ya sea genes codificantes o genes ncRNAs); y (ii) se eliminan sondas ambiguas que<br />
<strong>de</strong>tectan la expresión <strong>de</strong> más <strong>de</strong> un gen, las cuales son fuente <strong>de</strong> ruido a la hora <strong>de</strong> tratar <strong>de</strong><br />
i<strong>de</strong>ntificar la expresión individual <strong>de</strong> los genes. A<strong>de</strong>más <strong>de</strong> esto, se <strong>de</strong>sarrolló un portal web<br />
abierto llamado GATExplorer en el que, mediante la ayuda <strong>de</strong> un navegador genómico y otro<br />
tipo <strong>de</strong> gráficos, cualquier investigador pue<strong>de</strong> localizar la región <strong>de</strong>l genoma en la que mapea<br />
cada una <strong>de</strong> las sondas. Esto pue<strong>de</strong> ser particularmente importante cuando se quiere conocer<br />
en qué exones se sitúan las diferentes sondas para un gen <strong>de</strong> interés dado (p. ej. en estudios<br />
<strong>de</strong> splicing alternativo), o simplemente cuando se quiere conocer el mo<strong>de</strong>lo <strong>de</strong> microarray más<br />
a<strong>de</strong>cuado para su estudio.<br />
Utilizando el trabajo anterior, y en combinación con otras técnicas <strong>de</strong> aprendizaje<br />
automatizado, en el capítulo 2 se <strong>de</strong>scribe cómo se logró i<strong>de</strong>ntificar y validar genes<br />
marcadores para distintos subtipos <strong>de</strong> cáncer en colaboración con otros grupos <strong>de</strong><br />
investigación experimental.<br />
A<strong>de</strong>más <strong>de</strong> esto, en el capítulo 3 se profundizó en la complejidad <strong>de</strong>l splicing alternativo<br />
analizando los problemas específicos que presentaban los últimos mo<strong>de</strong>los <strong>de</strong> microarrays <strong>de</strong><br />
103