Alberto Risueño Pérez - Gredos - Universidad de Salamanca

Capítulo 4
Utilizando el set de datos descrito en el apartado anterior, se calculó la señal de los
microarrays utilizando los algoritmos RMA y MAS5 y realizando ambas normalizaciones por
separado con el CDF GeneMapper para el array HG-­‐U133 Plus 2.0 (contenido en GATExplorer).
Como se ha explicado en el capítulo 1, la utilización de este re-­‐mapeo alternativo al original de
Affymetrix basado en probesets, implica la reducción de ruido posible por hibridación cruzada
y proporciona un nivel de expresión para cada gen siguiendo una anotación actualizada en
base a Ensembl. Después de la normalización, en lugar de realizar los cálculos de correlación
con todos los genes detectables por el microarray, se realizó un filtrado previo de los genes
"poco informativos" con el objetivo de aumentar la sensibilidad del estudio. Como es sabido,
incluso cuando se manejan grandes conjuntos de datos, hay una proporción de genes que no
se expresan en ninguna condición, manteniendo su señal en niveles de ruido (Calza et al.,
2007). Además, la tecnología de microarrays de expresión de Affymetrix, al estar basada en la
hibridación de cadenas de oligos de 25 nucleótidos, presenta multitud de sondas que no son
reactivas ante la presencia de su RNA complementario o son demasiado inespecíficas
permaneciendo su señal saturada y por tanto exhibiendo niveles altos de expresión en todas
las muestras. Por ello, se eliminaron de la matriz de expresión los genes que cumplieron las
dos siguientes condiciones:
1. Genes cuya diferencia de expresión (o variabilidad entre dos grupos de muestras
cualesquiera) esté por debajo de la mediana de diferencia de todos los genes.
2. Genes cuya expresión media esté por debajo de la mediana de la expresión de todos
los genes.
El filtrado de estos genes "poco informativos" que no cambian suficientemente en ninguna
condición solo se realizó para la matriz normalizada con RMA ya que, como demostró un
trabajo previo (Prieto et al., 2008), el análisis de correlación realizado tras combinación de los
algoritmos MAS5+Spearman no requiere tal filtrado previo al no cambiar nada los genes antes
o después de tal filtrado. La matriz de expresión original contenía 17582 genes de los cuales se
filtraron 4979 (28,3%) reduciendo la matriz a 12603 genes.
Como ya se ha indicado, para determinar los pares de genes que tienen una alta similitud en
sus perfiles de expresión se utilizaron los métodos de correlación de Pearson y de Spearman. El
umbral considerado para determinar si existe una similitud significativa en la expresión de dos
genes se situó en un coeficiente de correlación r >= 0.70 . Finalmente, en el trabajo de Prieto
et al. (Prieto et al., 2008) se revela que las correlaciones negativas son en su mayoría un
artefacto y no son consistentes ni reproducibles, por ello no son consideradas en este estudio.
La representación gráfica de la red se realizó mediante la herramienta bioinformática
Cytoscape (Shannon et al., 2003; Smoot et al., 2011). Este programa de código abierto
permite construir y visualizar redes derivadas de experimentos biomoleculares, pudiendo
ampliarse también con distintas utilidades para análisis de las redes (ver plugins de Cytoscape).
4.2.3. Identificación de genes housekeeping (HKG)
En los últimos años, se han llevado a cabo experimentos transcriptómicos a gran escala que
han aportado gran cantidad de datos sobre los genes humanos. Esta información puede ser útil
a la hora de identificar HKG, ya que son los pilares que mantienen los procesos biológicos
básicos para la supervivencia de la célula. La comunidad científica asume que los HKG son
esenciales para cualquier tipo de célula, sin embargo, no existe aún una lista definitiva de estos
genes de referencia para el organismo humano. En este trabajo hemos desarrollado una
87