Resumen de Functional analysis and modeling of cellular signaling circuits with transcriptomic and proteomic data
Martín Garrido Rodríguez Córdoba
1. introducción o motivación de la tesis Los modelos científicos empleados en la investigación biomédica pretenden generar información útil para mejorar la salud humana. Estos modelos emergen a partir de datos y, en los últimos años, la llegada y el perfeccionamiento de las tecnologías ómicas ha revolucionado la forma en la que los datos moleculares son generados y procesados. Las tecnologías ómicas permiten evaluar sistemáticamente las moléculas en una muestra biológica, generando una gran cantidad de datos que deben ser analizados e interpretados a través de aproximaciones computacionales. Concretamente, en el análisis funcional, los datos ómicos se combinan con información previa, reduciendo su dimensión e incrementando su interpretabilidad. De entre las diferentes estrategias de análisis funcional, aquellas que intentan modelar los circuitos de señalización alterados son especialmente prometedores de cara a revelar los mecanismos subyacentes a procesos patológicos, permitiendo el desarrollo efectivo de nuevos tratamientos. Este modelado se puede llevar a cabo con diferentes capas moleculares, pero, las técnicas proteómicas, transcriptómicas y genómicas, en ese orden, ofrecen la visión más cercana a los procesos de señalización. De entre ellas, debido a su equilibrio entre desarrollo tecnológico y cercanía al fenotipo, la secuenciación de moléculas de ARN (RNA-Seq) ha ganado una gran popularidad en los últimos años.
2.contenido de la investigación En este trabajo, hemos desarrollado nuevas herramientas computacionales para profundizar en el análisis y modelado de circuitos de señalización celular a partir de datos transcriptómicos y proteómicos. En primer lugar, desarrollamos MIGNON, un nuevo workflow para el análisis de datos de RNA-Seq capaz de analizar la información genómica y transcriptómica que se puede extraer de esta técnica. Además, MIGNON ofrece la posibilidad de combinar los dos niveles de información en el contexto de un modelo de señalización celular, generando un resultado fácil de interpretar y de vincular a determinados fenotipos. En segundo lugar, aplicamos y evaluamos diferentes estrategias computacionales para inferir circuitos de señalización celular a partir de datos transcriptómicos, proteómicos y fosfoproteómicos, explorando la similitudes y diferencias entre ellos. Finalmente, creamos un kit computacional para llevar a cabo la visualización y el análisis estadístico y funcional de datos transcriptómicos y proteómicos. Este kit fue aplicado para crear, reforzar o refutar hipótesis en diferentes contextos de investigación biomédica.
3.conclusión En resumen, el trabajo de esta tesis pretende mejorar el análisis funcional de datos transcriptómicos y proteómicos, proporcionando a la comunidad metodologías novedosas y clásicas en forma de nuevos paquetes de software. Además de la novedad de MIGNON y de la comparación de estrategias para modelar los circuitos de señalización celular, creemos que este trabajo puede ayudar a ensanchar el cuello de botella que representa el análisis e interpretación de datos ómicos en la investigación biomédica.
