Alberto Risueño Pérez - Gredos - Universidad de Salamanca

Capítulo 4
los genes y la perspectiva de especificidad o esencialidad de dichos genes, puede ayudar a
encontrar nuevas explicaciones respecto a las causas de esta enfermedad compleja, cuyo
estudio a nivel molecular suele limitarse en analizar la funcionalidad asociada a genes o grupos
de genes relacionados con cáncer (i.e. oncogenes o genes supresores).
4.2. Materiales y métodos
4.2.1. Conjunto de datos seleccionado para perfiles de expresión
En varios meta-­‐estudios previos realizados en el campo de la expresión y relación entre genes
usando datos genómicos, es habitual la utilización de múltiples sets de datos analizados
conjuntamente abarcando muestras de distintos tipos celulares y distintos tejidos, incluyendo
réplicas biológicas por cada tipo o subtipo e incluso incluyendo muestras de tejidos patológicos
(Griffith et al., 2005; Lee et al., 2004). Como es sabido, en enfermedades complejas como el
cáncer en el que la genética juega un papel determinante, es común encontrar genes cuya
expresión está desregulada y se muestra altamente variable de un paciente a otro, lo cual
introduce un ruido significativo en los análisis y hace que la señal específica del estado
biológico en estudio se pueda difuminar. En este trabajo, se trató de evitar dicho ruido
mediante una cuidada selección de las muestras biológicas que se van a comparar, empezando
por seleccionar primeramente sólo muestras procedentes de tejidos sanos. El set de datos
utilizado contenía originalmente 353 microarrays modelo Affymetrix U133 Plus 2.0 (GEO ID
GSE3526) (Roth et al., 2006) incluyendo 65 tejidos distintos, 20 de los cuales pertenecían a
tejidos del sistema nervioso central y 45 a otro tipo de tejidos. El propósito de los autores de
este trabajo era caracterizar el tejido nervioso obteniendo una firma molecular común. Sin
embargo, para la construcción de una red de coexpresión de genes humanos, esta proporción
de tejido nervioso podría introducir un sesgo importante hacia genes expresados y no
expresados en este tipo de tejidos respecto al resto. Para evitar esto, se hizo una selección de
las muestras equilibrada, tratando de evitar los sesgos hacia un tipo tisular determinado, lo
que derivó en un subconjunto de 32 tejidos (ver tabla 4.1). Por cada uno de esos 32 tejidos se
seleccionaron 3 réplicas haciendo un total de 96 microarrays. La selección de estas muestras se
hizo de tal manera que las réplicas biológicas se agrupasen correctamente en un test de
agrupación no supervisado. La figura 4.1 muestra un heatmap normalizado con RMA en donde
las muestras están agrupadas de 3 en 3, como corresponde a las réplicas biológicas. Esto
asegura que el set de datos seleccionado es óptimo para la realización de un análisis de
coexpresión en el que se ha minimizado tanto el ruido biológico como el ruido técnico.
Adipose tissue omental Heart ventricle Oral mucosa Stomach fundus
Adrenal gland cortex Kidney cortex Ovary Stomach pyloric
Bone marrow Kidney medulla Pituitary gland Testes
Bronchus Liver Prostate gland Thyroid gland
Cerebellum Lung Salivary gland Tongue
Cerebral cortex Lymph nodes Saphenous vein Tonsil
Esophagus Mammary gland Skeletal muscle Trachea
Heart atrium Medulla Spleen Urethra
Tabla 4.1. Relación de tejidos/órganos humanos utilizados en esta parte del trabajo procedentes de (Roth et al.,
2006). Para eliminar un posible sesgo respecto a tejidos y sistema nervioso –que es ampliamente estudiado en
el trabajo de Roth et al.–, se seleccionó un subconjunto de 32 tejidos/órganos respecto al set completo original.
85