Relaciones estadísticas entre epigenomas utilizando agrupación jerárquica a gran escala

Área de la Ciencia:

• Genómica y epigenética
• Biología computacional
• Inmunología

Sus antecedentes:

• La secuenciación genómica genera vastos datos epigenómicos, lo que dificulta la interpretación biológica debido a los patrones complejos.
• El aprendizaje automático ofrece un enfoque prometedor para analizar los datos epigenómicos para obtener información sobre la infectividad y la susceptibilidad.

Objetivo del estudio:

• Desarrollar un marco para caracterizar las relaciones entre los modificadores epigenéticos, sus reguladores, los loci genéticos y los tipos de células inmunes.
• Aplicar el agrupamiento jerárquico a más de 3000 epigenomas de individuos no infectados.

Principales métodos:

• Utilizó agrupación jerárquica para analizar datos epigenómicos en todos los cromosomas.
• Realizó análisis de la ontología génica y de la vía KEGG para identificar funciones biológicas enriquecidas.
• Análisis de co-ocurrencia empleado para identificar conjuntos de modificadores que funcionan juntos.

Principales resultados:

• Se identificaron patrones epigenéticos consistentes en los cromosomas, con una variación del modificador epigenético mayor que la variación del tipo de célula.
• Se encontró un enriquecimiento significativo de los genes involucrados en la remodelación de la cromatina, las respuestas inmunes y la regulación del ARN.
• Se ha observado un agrupamiento biológicamente relevante de modificadores epigenéticos, incluidos el complejo de la cohesina y los miembros de la PRC2, con patrones cromosómicos coherentes.

Conclusiones:

• El marco desarrollado caracteriza de manera robusta las relaciones de los modificadores epigenéticos y su consistencia en los cromosomas.
• Los hallazgos destacan la importancia de la regulación epigenética en las respuestas inmunes y la expresión génica.
• La línea de análisis está a disposición del público, lo que promueve la reproducibilidad y la investigación adicional.