Development and comparison of computational tools for the detection of novel and known alternative splicing events and their corresponding regulation
- Autores: César Lobato
- Directores de la Tesis: José Ángel Rubiño Diaz (dir. tes.)
- Lectura: En la Universidad de Navarra ( España ) en 2025
- Idioma: inglés
- Tribunal Calificador de la Tesis: Rafael A. Cañas Pendon (presid.), Isabel Mendizabal Ezeizabarrena (secret.), Mikel Hernáez Arrazola (voc.)
- Programa de doctorado: Programa de Doctorado en Ingeniería Aplicada por la Universidad de Navarra
- Calificación: Sobresaliente Cum Laude
- Materias:
- Texto completo no disponible (Saber más ...)
- Resumen
Esta tesis doctoral aborda el análisis exhaustivo del splicing alternativo (AS), un mecanismo clave de regulación génica que permite generar múltiples isoformas proteicas a partir de un mismo gen. El trabajo combina enfoques de biología molecular, bioinformática y computación de alto rendimiento, con el objetivo de mejorar la detección, cuantificación y caracterización de eventos de splicing, así como comprender su papel en enfermedades complejas, especialmente el cáncer. La primera parte se centra en el desarrollo y comparación de metodologías computacionales aplicadas a datos de RNA-Seq. Se revisan y evalúan herramientas de referencia en el campo rMATS, SUPPA2, MAJIQ, EPST y EPBAM considerando su capacidad para definir y detectar eventos, estimar el porcentaje de inclusión de exones y realizar análisis diferenciales. Los resultados muestran la importancia crítica de la definición precisa de eventos y de las estrategias híbridas que combinan métodos basados en anotación con aproximaciones de novo. En este contexto se introduce EPBAM, una versión mejorada de EventPointer que incorpora estadísticas bootstrap y permite predecir eventos de splicing no anotados, demostrando mayor robustez en transcriptomas de alta complejidad. En la segunda parte se desarrolla SFpointer, un algoritmo para identificar proteínas de unión a RNA (RBPs) implicadas en el splicing aberrante en cáncer. SFpointer integra múltiples bases de datos de CLIP-seq y aplica modelos estadísticos avanzados para detectar enriquecimientos significativos de RBPs en regiones asociadas a eventos diferenciales. Validado con experimentos de knockdown, el método consigue identificar la proteína reguladora responsable entre las principales predicciones. Posteriormente, SFpointer se aplica a datos de TCGA y TARGET, revelando reguladores comunes entre distintos tipos tumorales y permitiendo construir un recurso pan-cáncer accesible mediante una aplicación interactiva. La tercera contribución es GPUmatrix, un paquete para R que habilita la aceleración mediante GPU de operaciones algebraicas críticas en bioinformática. Compatible con estructuras del paquete Matrix, GPUmatrix facilita la transición de usuarios hacia la computación de alto rendimiento sin cambios drásticos en el código. El paquete soporta matrices dispersas y distintos formatos numéricos, y ofrece mejoras significativas en tiempos de ejecución para tareas intensivas como factorización no negativa, regresión logística y modelos lineales generalizados. En conjunto, la tesis aporta: Nuevos métodos para la detección más precisa y estandarizada de eventos de splicing. Estrategias para identificar reguladores moleculares clave del splicing aberrante en cáncer. Herramientas de computación acelerada que amplían la capacidad de análisis de grandes datos ómicos. Estos avances no solo mejoran la comprensión de los mecanismos de regulación post-transcripcional, sino que también sientan las bases para futuras aplicaciones diagnósticas y terapéuticas en oncología, al tiempo que impulsan la integración de bioinformática y computación de alto rendimiento en biomedicina.
