Inferencia de redes génicas a partir de transcriptomas de alto rendimiento

Área de la Ciencia:

• Biología de sistemas
• Bioinformática
• Genómica

Sus antecedentes:

• La biología de sistemas utiliza la teoría de redes para comprender las interacciones génicas complejas a nivel de genoma completo.
• Las redes génicas, incluidas las redes de coexpresión génica (GCN) y las redes regulatorias génicas (GRN), son cruciales para predecir la función génica y modelar la regulación transcripcional en plantas.

Objetivo del estudio:

• Presentar dos estrategias distintas para la construcción de redes génicas utilizando datos transcriptómicos de alto rendimiento.
• Proporcionar flujos de trabajo adaptables para la generación de redes de coexpresión génica agregadas (aggGCN) y redes regulatorias génicas inferidas (GRN).

Principales métodos:

• Desarrollo de un pipeline interno personalizado para la construcción de aggGCN.
• Inferencia de GRN utilizando el algoritmo GENIE3.
• Aplicación de flujos de trabajo a especies de plantas como la vid y el tomate.

Principales resultados:

• Generación exitosa de aggGCN y GRN a partir de datos transcriptómicos.
• Demostración de flujos de trabajo computacionales adaptables para la construcción de redes génicas de plantas.
• Disponibilidad pública de todo el código y repositorios asociados.

Conclusiones:

• Las estrategias y flujos de trabajo presentados facilitan la construcción de redes génicas de plantas.
• Estos métodos pueden adaptarse para su uso en cualquier especie de planta u organismo eucariota.
• Las redes generadas mejoran la comprensión de las interacciones gen-gen y la regulación transcripcional.