Una propuesta novedosa para la estimación de la hora de la muerte a partir de datos post mortem de expresiones de genes

Abstract

El estudio del patrón de expresiones de los genes puede ser un indicador importante del estado de las células y de problemas de salud. Los genes circadianos, asociados al ciclo sueño-vigilia, presentan un patrón de expresión rítmico u oscilatorio, y regulan funciones biológicas básicas como la respiración o digestión. Alteraciones en los patrones de expresión de estos genes están relacionadas con patologías. Debido al riesgo o coste que supone la obtención de este tipo de datos, es habitual trabajar con datos de expresión post mortem para los que el momento en el que se tomaron las muestras es desconocido. Este trabajo propone una metodología novedosa, basada en inferencia con restricciones, para la estimación del orden temporal de expresiones de genes post mortem y su análisis a partir del ajuste de modelos paramétricos (Cosinor, FMM) y no paramétricos de señal oscilatoria. Por último, propone medidas de error y bondad de ajuste para comparar y validar los métodos utilizados. Se obtienen resultados de interés tanto desde el punto de vista metodológico (mejor comportamiento del nuevo orden temporal propuesto) como biológico (propuesta de posibles nuevos genes cíclicos).

Gene expression pattern analysis is a marker of the cell states and diseases. Circadian genes, related to day-night cycle, display rhythmic or up-down-up patterns and govern basic biological functions. Pattern analysis is key to identify pathologies. However, in practice, gene expression data are not easy to collect since it may suppose a risk for health or could be expensive. Hence, post-mortem expression data, for which the moment at which samples were taken is unknown, are commonly used in practice. This work proposes a novel methodology, based or order restricted inference, to estimate the temporal order among postmortem gene expression data. Moreover, non-parametric and parametric models (Cosinor, FMM) for oscillatory signals are fitted to analyze these data. Finally, error and goodness of fit measures are used to compare and validate the methods employed. Interesting results are obtained from the methodological point of view (better behaviour of the new proposed temporal order) and from the biological (proposal of possible new cyclic genes).