Year: 2023
Type: dissertation
Abstract: La necesidad de conocer cómo interaccionan las biomoléculas entre sí y como afectan dichas \ninteracciones al funcionamiento global de un tejido o célula es uno de los aspectos clave que, \nen los últimos años, están ganando cada vez más importancia. Uno de los elementos más \nimportantes en el contexto de las redes de regulación son los factores de transcripción (TFs). \nEstas proteínas son esenciales en el buen funcionamiento de la regulación de la transcripción \nya que se unen a ciertas regiones del genoma, principalmente asociadas a regiones codificantes, \ny actúan activando o inhibiendo la transcripción de un gen determinado. \nA lo largo de esta tesis doctoral, los trabajos realizados se han centrado en el análisis de datos \nómicos, principalmente transcriptómica, en el contexto de las enfermedades autoinmunes y, de \nforma más específica, en lupus eritematoso sistémico. Esta enfermedad se caracteriza por ser \nuna patología heterogénea en la que tiene lugar una respuesta inmune contra células y órganos \ndel propio individuo. Sobre lupus y datos ómicos se han desarrollado múltiples estudios tanto \npara identificar biomarcadores, estratificar pacientes o buscar tratamientos potenciales. En el \ncontexto de los TFs, se sabe que muchas de las mutaciones asociadas a la enfermedad se han \nlocalizado en pacientes de lupus se encuentran en regiones reguladoras, como los sitios de unión \nde los TFs. A pesar de este conocimiento, no se aporta información acerca de cómo afectan \nestas mutaciones a la actividad de dichos TFs. \nPor este motivo, en esta tesis se han aplicado una serie de técnicas que permiten inferir la \nactividad de los TFs en base a la expresión de los genes que están regulando (también conocidos \ncomo genes diana). Para ello era necesario conocer qué genes son regulados por cada TF, cuya \ninformación se localiza en múltiples bases de datos y se obtienen a partir de una gran cantidad \nde artículos publicados. El conjunto de genes regulados por cada TFs (también llamado \nregulones) se obtuvo utilizando la base de datos desarrollada por DoRothEA que incluye \ninteracciones de fuentes muy diversas y que se clasifican en base a la credibilidad. Para inferir \nlas actividades de los TFs de cada muestra utilizando los niveles de expresión de sus genes \ndiana se utilizó el método desarrollado por VIPER (Virtual Inference of Protein-activity by \nEnriched Regulon). \nSin embargo, como trabajo previo a la inferencia de los TFs se realizó una recopilación de datos \nómicos públicos de tipo caso-control disponibles en el repositorio público más conocido: NCBIGEO. \nEste trabajo permitió el desarrollo de ADEx, una herramienta online con datos ómicos \nprocesados atendiendo a un mismo método estandarizado y con varios análisis de dichos datos: \nexpresión diferencial, análisis de rutas, inferencia de redes o meta-análisis. \nPosteriormente, elegimos uno de los estudios incluidos en ADEx con datos transcripcionales \nde lupus así como los datos de otra cohorte a la que tuvimos acceso gracias a nuestra \ncolaboración con la doctora Michelle Petri, de la Universidad Johns Hopkins. Estos dos \nconjuntos de datos transcripcionales se utilizaron para inferir las actividades de los TFs en los \npacientes de lupus y controles sanos. Las actividades de todos los individuos de lupus se \nutilizaron para estratificar pacientes y, en ambos estudios se localizaron dos grupos muy \ndiferenciados, que además presentaban diferencias clínicas con respecto a las proporciones de \nalgunos tipos celulares como neutrófilos y linfocitos. Finalmente, mediante análisis de actividad \ndiferencial, localizamos una firma robusta de 14 TFs que se encontraban diferencialmente \nactivados en lupus con respecto a controles. \nDada la importancia que se observó en cuanto a los tipos celulares, se decidió aplicar un análisis \nsimilar al anterior pero en datos transcripcionales de célula única, con el fin de analizar en \nprofundidad los TFs en los que existen diferencias a nivel de tipo celular. Para ello, se utilizó \nun conjunto de datos público alojado en NCBI GEO y se aplicó un protocolo de procesamiento \nen línea con lo más estándar en el campo. Además, se añadió una capa adicional, la inferencia \nde actividad de rutas de señalización. Aunque este trabajo se encuentra incompleto, se han \nhallado resultados relevantes, principalmente relativos a tipos celulares en los que hay patrones \nde actividad diferentes
Author: López Domínguez, Raúl
Language: Spanish
Subfield: Molecular Biology
Domain: Life Sciences
Open Access status: green
OpenAlex ID: W7029345768