Alberto Risueño Pérez - Gredos - Universidad de Salamanca

Capítulo 4
Para encontrar los genes expresados únicamente en cada una de estas categorías
considerando los 3 niveles definidos, desarrollamos un algoritmo implementado en R basado
en la detección de picos en los perfiles de expresión, el cual se aplicó sobre la matriz
normalizada con RMA. Estos picos se detectan mediante la búsqueda de genes cuyo nivel de
expresión en el tejido más expresado es significativamente mayor que la expresión en el resto,
en los cuales no se debe mostrar modulación o variabilidad significativa. Los pasos concretos
del algoritmo son:
1. Pre-­‐filtrado de genes mediante la identificación de picos de expresión: Se realizó
obteniendo aquellos genes cuya diferencia entre el primer tejido más expresado y el
segundo sea mayor que la diferencia entre el segundo y el último.
2. Significación estadística de la diferencia entre el tejido más expresado con el resto:
Test de tipo t-­‐Student de una cola para hallar la significación de la diferencia de
expresión entre las muestras pertenecientes al tejido más expresado con respecto al
resto. La hipótesis nula de este test es la no existencia de diferencia entre la expresión
de ambos grupos, siendo la alternativa que el tejido más expresado muestra una
expresión mayor a la del resto. Dado que se realizó un test por cada gen, los p-­‐valores
simples calculados fueron corregidos/ajustados para tests múltiples (multiple testing
correction), utilizando el método de FDR. Posteriormente se seleccionaron los genes
con un p-­‐valor corregido FDR ≤ 0.05.
3. Medición del ruido o cercanía al background en los tejidos menos expresados:
Análisis de varianza (ANOVA) (Scheffe, 1959) de la expresión de cada gen (con p-­‐valor
significativo en el paso anterior) en los diferentes tejidos excluyendo el más expresado.
Este test ANOVA pretende identificar los genes que no muestran valores de expresión
semejantes entre réplicas biológicas, envidenciando en su lugar valores cambiantes o
variables. Esto indica que la expresión detectada sobre esos genes no está midiendo
regulación biológica alguna, sino que su señal más bien demuestra cierta cercanía al
nivel de ruido o background de no señal. Con estos niveles de ruido y, siendo su
expresión significativamente más baja que la del tejido más expresado, se infiere que
su expresión es "no detectable" por el microarray respecto al background y, por lo
tanto, muy probablemente el gen no se encuentre expresado en esos tejidos. Igual que
en el paso anterior, los p-­‐valores se corrigen por FDR y se eliminan únicamente los
genes con un FDR ≤ 0.0001. Este estricto p-­‐valor asegura eliminar únicamente los
genes que se encuentran claramente regulados en los diferentes tejidos, alejando su
expresión del ruido.
Este algoritmo se aplicó tres veces, una por cada nivel de agrupación de tejidos, lo cual
proporcionó tres listas de genes específicos que contienen: 756 genes, 786 genes y 206 genes
identificados para los niveles 1, 2 y 3, respectivamente. Para la medición del ruido el test
ANOVA (paso 3) se utilizó en todos los casos con las muestras etiquetadas al nivel 1.
4.2.5. Método de análisis de la conservación de los genes
Con el fin de obtener información acerca del grado de conservación de cada uno de los genes
humanos desde su punto de vista evolutivo, se comparó su nivel de similitud en otras especies.
Se eligieron tres especies a diferentes distancias evolutivas de la humana: M. musculus (ratón),
C. elegans (gusano) y S. cerevisiae (levadura) (ver figura 4.2).
91