Expansión de las vías biológicas basadas en inferencias evolutivas

Área de la Ciencia:

• La genómica es la genómica.
• La bioinformática es la bioinformática.
• Biología evolutiva Biología evolutiva.

Sus antecedentes:

• La predicción de la función génica a menudo se basa en la historia evolutiva compartida entre las especies.
• Las vías compuestas por distintos módulos evolutivos presentan desafíos para los métodos tradicionales de predicción funcional.

Objetivo del estudio:

• Introducir un nuevo algoritmo computacional, CLIME (Clustering by Inferred Models of Evolution), para la identificación de módulos evolutivos dentro de los conjuntos de genes.
• Desarrollar un método que aprenda simultáneamente el número de módulos y sus historias evolutivas.
• Expandir los módulos identificados mediante el descubrimiento de nuevos componentes que se ajusten a los modelos evolutivos inferidos.

Principales métodos:

• El algoritmo CLIME toma como entrada un árbol de especies eucariotas, una matriz de homología y un conjunto de genes.
• Divide el conjunto de genes en módulos evolutivos disjuntos.
• Se infiere una historia evolutiva basada en árboles para cada módulo y escanea genomas en busca de nuevos componentes.

Principales resultados:

• CLIME identificó una modularidad evolutiva inesperada en aproximadamente 1.000 vías humanas.
• El algoritmo reveló componentes coevolutivos dentro de estas vías a través de proteomas de levadura, algas rojas y malaria.
• Demostró la capacidad de descubrir nuevos miembros de la vía basada en modelos evolutivos inferidos.

Conclusiones:

• CLIME revela de manera efectiva las estructuras evolutivas ocultas dentro de las vías biológicas.
• El algoritmo mejora la predicción de la función génica teniendo en cuenta la modularidad evolutiva.
• Se espera que la utilidad de CLIME crezca con la creciente disponibilidad de datos del genoma eucariota.