Modelado de fenotipos metabólicos fiables mediante el análisis de datos transcriptómicos específicos del contexto

Área de la Ciencia:

• Biología computacional
• Biología de sistemas
• Modelado metabólico

Sus antecedentes:

• Los modelos metabólicos a escala genómica (GEM) ofrecen información sobre el metabolismo celular, pero a menudo carecen de detalles específicos del contexto.
• La integración de datos transcriptómicos es clave para refinar los GEM para estados celulares y de enfermedades.
• Los métodos actuales tienen dificultades para identificar con precisión las adaptaciones metabólicas dependientes del contexto.

Objetivo del estudio:

• Introducir 'Localgini', un algoritmo para cuantificar la variabilidad de la expresión génica utilizando el coeficiente de Gini.
• Desarrollar un método para construir modelos precisos específicos del contexto (CSM) a partir de GEM y datos transcriptómicos.
• Mejorar la especificidad de los GEM para estudiar las adaptaciones celulares.

Principales métodos:

• Desarrollado el algoritmo Localgini para medir la heterogeneidad de la expresión génica en diferentes muestras.
• Aplicado Localgini para generar CSM utilizando datos transcriptómicos de líneas celulares de cáncer NCI-60 y tejidos humanos.
• Evaluado Localgini frente a seis métodos diferentes de extracción de modelos (MeMs).

Principales resultados:

• Los CSM basados en Localgini demostraron una mejor representación de las funciones básicas y las vías metabólicas conocidas.
• Los conjuntos de reacciones activas identificados por Localgini requirieron un soporte mínimo de los MeMs.
• Localgini redujo la variabilidad en los CSM generados a través de diferentes MeMs con datos de expresión idénticos.

Conclusiones:

• Localgini ofrece un enfoque preciso para construir modelos metabólicos específicos del contexto integrando la heterogeneidad de la expresión génica.
• El algoritmo mejora la relevancia biológica y la especificidad de los GEM.
• Localgini facilita estudios computacionales más fiables del metabolismo celular en diversos contextos.