Modelado computacional de redes multinivel para la identificación del conjunto de factores, procesos y asociaciones moleculares comunes en diferentes redes biológicas

La biología de redes ha permitido el estudio de complejas relaciones moleculares dentro de una célula por medio de datos obtenidos a partir de técnicas de alto rendimiento, con ello algunas hipótesis acerca del proceso biológico subyacente acerca del origen y/o desarrollo de fenotipos específicos ha...

Full description

Autores:: Henao Sánchez, Juan David

Tipo de recurso:

Fecha de publicación:: 2017

Institución:: Universidad Nacional de Colombia

Repositorio:: Universidad Nacional de Colombia

Idioma:: spa

Description
Summary:	La biología de redes ha permitido el estudio de complejas relaciones moleculares dentro de una célula por medio de datos obtenidos a partir de técnicas de alto rendimiento, con ello algunas hipótesis acerca del proceso biológico subyacente acerca del origen y/o desarrollo de fenotipos específicos han sido generados. Por otro lado, el enfoque clásico para generar hipótesis que relacionan dos o más fenotipos ha sido llevado a cabo por medio de la identificación de elementos moleculares comunes tales como genes entre fenotipos. Recientemente, los enfoques basados en teoría de redes han permitido ir más allá del paradigma de los elementos compartidos hacia los procesos biológicos comunes entre fenotipos. Estas metodologías están basadas en la detección y comparación de módulos de red. En la mayoría de los casos, este enfoque ignora la información almacenada en la totalidad de la red o información multiómi- ca es unida para crear una única red la cual puede generar ruido de fondo en los resultados finales. Por lo tanto, un nuevo método denominado Patrones de Conectividad Común (CCP por sus siglas en inglés) es propuesto en este trabajo. Este método permite la identificación de patrones comunes de conexión entre fenotipos a partir de información molecular específica (co-expresión, interacción proteína-proteína, regulación, entre otros) obteniendo para cada uno de ellos las subredes donde cada una de ellas es considerada como un CCP. Para evaluar el poder predictivo de este nuevo enfoque, cuatro des ordenes neurológicos fueron comparados: Enfermedad de Alzheimer (AD), enfermedad de Parkinson (PD), esclerosis múltiple (MS) y esquizofrenia (SZ) bajo las capas de abstracción molecular correspondientes a co-expresión e interacción proteína-proteína. En la capa de co-expresión, este método fue capaz de establecer la existencia de cuatro CCPs entre AD y PD, un CCP entre AD y MS, dos CCPs entre AD y SZ, tres CCPs entre PD y MS, 11 CCPs entre PD y SZ, tres CCPs entre MS y SZ y un CCP entre PD, MS y SZ. En la capa de interacción proteína-proteína, este método identifico seis CCPs entre AD y PD, dos CCPs entre AD y MS, dos CCPs entre AZ y SZ, 12 CCPs entre PD y MS, 13 CCPs entre PD y SZ, 11 CCPs entre MS y SZ, un CCP entre AD, PD y MS, un CCP entre AD, PD y SZ y cuatro CCPs entre PD, MS y SZ. Adicionalmente, elementos solitarios fueron identificados en la intersección de redes entre diferentes comparaciones obteniendo 17 diferentes elementos compartidos en al menos tres enfermedades en co-expresión y 18 diferentes elementos compartidos en al menos tres enfermedades en interacción proteína-proteína. Igualmente, elementos solitarios fueron identificados en las cuatro enfermedades, cuatro en la capa de co-expresión y tres en la capa de interacción proteína-proteína. Además, análisis de enrique- cimiento para la base de datos KEGG mostró que, por ejemplo, un CCP entre MS y SZ en la capa de co-expresión está relacionada para la ruta de señalización de calcio. Adicionalmente, a través de una búsqueda exhaustiva en la literatura, los elementos SYT13 y NRXN1 fueron asociados con este resultado. El método de Patrones de Conectividad Común ha demostrado ser ideal para la identificación de posibles procesos biológicos comunes entre fenotipos a través de un enfoque de biología de redes. Los CCPs también permiten discernir entre capas de abstracción molecular para generar hipótesis más exactas y permitir la adición de nuevas capas que ayuden en la interpretación de múltiples fenotipos sin la necesidad de cambiar los resultados previamente obtenidos.

Modelado computacional de redes multinivel para la identificación del conjunto de factores, procesos y asociaciones moleculares comunes en diferentes redes biológicas

Publicaciones similares