Alberto Risueño Pérez - Gredos - Universidad de Salamanca

Tesis Doctoral
estrategia bioinformática para identificar HKG utilizando como fuente de datos la información
presente en GenBank (http://www.ncbi.nlm.nih.gov/genbank/) (Benson et al., 2010). Se
utilizaron las librerías de secuencias expresadas (ESTs, versión de 2010) que fueron
almacenadas en una base de datos junto con la información individual de cada secuencia,
asociándole además el identificador del gen y el tejido en donde se encontró. Esto devolvió un
total de 604546 ESTs asociados a 18832 genes, ubicados en 34 tejidos distintos. Debido a que
algunos tejidos tenían asociados un número muy bajo de ESTs (p. ej. nodo linfático 2, bronquio
6, timo 7, etc), fue necesaria la aplicación de un filtro de tejidos que se realizó eliminando
aquellos con un número arbitrario elegido de ESTs inferior a 1000, lo que resultó en la
eliminación de 8 tejidos escasamente representados. Posteriormente se seleccionaron
aquellos genes con ESTs presentes en al menos 18 tejidos distintos (≈70%) devolviendo un
total de 480 genes. Para completar esta información en términos de cobertura y fiabilidad, se
recogieron también 3 listados de HKG previamente realizados por otros autores:
88
1. HKG humanos con expresión altamente correlacionada en perfiles obtenidos a partir
de expresión en múltiples tejidos humanos diferentes, obtenidos por nuestro grupo de
investigación utilizando de datos de microarrays (Prieto et al., 2008).
2. HKG humanos descritos por Hsiao et al. (Hsiao et al., 2001).
3. HKG humanos descritos por Eisenberg y Levanon (Eisenberg and Levanon, 2003).
Esta aproximación múltiple aporta un alto nivel de fiabilidad en la obtención de un grupo de
genes humanos considerados HKG, pudiendo seleccionar aquellos que se encuentran en 2, 3 o
4 de los conjuntos de datos citados. Esto aumenta significativamente el nivel de confianza. El
número de HKG detectado por los 4 métodos es tan solo de 36 genes; sin embargo en este
grupo están presentes ACTB, ALDOA y GAPDH, que son tres de los genes más conocidos y
utilizados como controles en distintas pruebas de validación experimental de expresión como
la RT-­‐PCR (ver tabla 4.2). El número de HKG detectados por al menos 3 métodos es de 157, lo
cual supone un buen balance entre fiabilidad y cobertura. El número de genes detectados por
al menos 2 y 1 métodos es de 442 y 1235 genes respectivamente.
ID Ensembl Nombre Descripción
ENSG00000075624 ACTB actin, beta
ENSG00000149925 ALDOA aldolase A, fructose-­‐bisphosphate
ENSG00000182718 ANXA2 annexin A2 pseudogene 1
ENSG00000134287 ARF3 ADP-­‐ribosylation factor 3
ENSG00000166710 B2M beta-­‐2-­‐microglobulin
ENSG00000198563 BAT1 small nucleolar RNA, C/D box 84
ENSG00000127022 CANX calnexin
ENSG00000156508 EEF1A1 eukaryotic translation elongation factor 1 alpha-­‐like 7
ENSG00000175390 EIF3F eukaryotic translation initiation factor 3, subunit F
ENSG00000110321 EIF4G2 eukaryotic translation initiation factor 4 gamma, 2
ENSG00000111640 GAPDH glyceraldehyde-­‐3-­‐phosphate dehydrogenase
ENSG00000189403 HMGB1 high-­‐mobility group box 1
ENSG00000165119 HNRNPK microRNA 7-­‐1
ENSG00000185896 LAMP1 lysosomal-­‐associated membrane protein 1
ENSG00000147140 NONO non-­‐POU domain containing, octamer-­‐binding
ENSG00000070756 PABPC1 poly(A) binding protein, cytoplasmic 1
ENSG00000102144 PGK1 phosphoglycerate kinase 1
ENSG00000159377 PSMB4 proteasome (prosome, macropain) subunit, beta type, 4
ENSG00000187514 PTMA prothymosin, alpha
ENSG00000067560 RHOA ras homolog gene family, member A
ENSG00000198755 RPL10A ribosomal protein L10a