InCURA: agrupación integradora de genes basada en sitios de unión de factores de transcripción

Área de la Ciencia:

• Biología Computacional; Genómica; Biología de Sistemas

Sus antecedentes:

• La interpretación de los conjuntos de datos transcriptómicos es un desafío debido a la falta de conjuntos de genes específicos del contexto.
• Los análisis de enriquecimiento y coexpresión estándar a menudo no logran capturar la biología subyacente.
• La identificación de reguladores ascendentes y programas regulatorios requiere enfoques analíticos avanzados.

Objetivo del estudio:

• Presentar InCURA, una estrategia de agrupación integradora para el análisis de datos transcriptómicos.
• Permitir la interpretación biológicamente significativa de los datos de expresión génica, especialmente cuando los conjuntos de genes específicos del contexto no están disponibles.
• Descubrir nuevos módulos genéticos y programas regulatorios utilizando patrones de ocurrencia de motivos de TF.

Principales métodos:

• InCURA utiliza patrones de ocurrencia de motivos de factores de transcripción (TF) en los promotores de genes.
• Toma genes expresados para identificar TF específicos del conjunto de datos y genes diferencialmente regulados (DRG) para la agrupación.
• Las secuencias promotoras de los DRG se escanean en busca de motivos de unión de TF, creando una matriz gen-por-TFBS para la agrupación no supervisada.

Principales resultados:

• InCURA descubrió con éxito módulos genéticos funcionalmente coherentes en diversos conjuntos de datos biológicos.
• El método reveló reguladores y programas regulatorios ascendentes que no fueron detectados por los análisis estándar.
• Demostró la capacidad de diseccionar respuestas transcripcionales en entornos que carecen de conjuntos de genes específicos.

Conclusiones:

• InCURA ofrece una herramienta centrada en la regulación y fácil de usar para el análisis de datos transcriptómicos.
• Supera las limitaciones de los conjuntos de genes genéricos o no disponibles para la interpretación biológica.
• La estrategia mejora el descubrimiento de mecanismos regulatorios en los datos de expresión génica.