Metodología para el análisis de expresiones génicas utilizando modelos de señales oscilatorias. Aplicación a datos de músculo humano

Abstract

Los ritmos circadianos en los seres vivos están controlados por un sistema de sincronización interno regulado a nivel transcripcional que genera redes de genes que oscilan en ciclos de 24 horas. Estos ritmos juegan un papel importante en los procesos biológicos, por lo que el estudio de los patrones de expresión de genes rítmicos cobra gran interés en investigación biomédica. En los estudios genéticos humanos, la repetición consecutiva de biopsias conlleva un grave riesgo. Por ello, habitualmente se trabaja con datos de expresiones post-mortem de distintos donantes para un mismo tejido, donde el instante de tiempo en el que se toman las muestras es generalmente desconocido o impreciso. Por tanto, el análisis de ritmicidad de expresiones génicas requiere resolver el problema de estimación del orden temporal, previo al estudio de los patrones rítmicos. Este trabajo propone una metodología para el análisis de expresiones de genes post-mortem en tejido muscular en humanos de la base de datos GTEX basada en el modelo FMM para el análisis de señales oscilatorias. El marco propuesto permite abordar de forma íntegra el análisis de ritmicidad en datos de expresión génica, desde el preprocesado hasta ofrecer una posible explicación biológica de los patrones rítmicos asociados a los genes, pasando por el problema de la estimación del orden.

Circadian rhythms in living beings are controlled by an internal synchronization system regulated at the transcriptional level that generates gene networks that oscillate in 24-hour cycles. These rhythms play an important role in biological processes, so the study of rhythmic gene expression patterns is of great interest in biomedical research. In human genetic studies, the consecutive repetition of biopsies carries a serious risk. Therefore, we usually work with post-mortem expression data from different donors for the same tissue, where the timepoint at which the samples are taken is generally unknown or imprecise. Therefore, the analysis of gene expression rhythmicity requires solving the problem of estimating the temporal order prior to the study of the rhythmic patterns. This work proposes a methodology for the analysis of post-mortem gene expressions in human muscle tissue from the GTEX database based on the FMM model for the analysis of oscillatory signals. The proposed framework allows a comprehensive approach to the analysis of rhythmicity in gene expression data, from preprocessing to offering a possible biological explanation of the rhythmic patterns associated with genes, including the problem of order estimation.