Análisis de datos ómicos
Transcriptómica, epigenómica, proteómica, metabolómica y metagenómica: cómo se analizan e integran
En una frase: las ómicas miden a la vez todos los ARN, proteínas, metabolitos o marcas de una muestra; analizarlas exige normalizar, controlar los falsos positivos e integrar capas de datos muy distintas.
Cómo se analizan e integran los datos de transcriptómica, epigenómica, proteómica, metabolómica y metagenómica. Cada ventana resume un concepto en pocas líneas y, cuando publiquemos su artículo, te llevará a la explicación completa.
Para empezar
Paso 1Los conceptos clave de esta área, explicados desde cero.
Qué son las ómicas
Disciplinas que miden un tipo de molécula en su conjunto: genómica (ADN), transcriptómica (ARN), epigenómica (marcas), proteómica (proteínas), metabolómica (metabolitos) y metagenómica (comunidades de microbios).
Artículo completo próximamenteRNA-seq y expresión diferencial
Secuenciar el ARN de una muestra para medir cuánto se expresa cada gen y comparar condiciones, por ejemplo tejido sano frente a tumor. DESeq2 y edgeR son métodos de referencia para ver qué genes cambian.
Artículo completo próximamenteMetagenómica y microbioma
Secuenciar todo el ADN de una muestra con muchos microbios, como heces o suelo, para saber qué organismos hay y qué genes tienen. Se usa para estudiar el microbioma intestinal y detectar patógenos.
Artículo completo próximamentePara profundizar
Paso 2Cómo funciona por dentro y qué matices conviene conocer.
Transcriptómica de célula única
Medir la expresión génica de miles de células una a una. Permite descubrir tipos celulares y ver cómo cambian durante el desarrollo o la enfermedad; Seurat y Scanpy son las herramientas más usadas.
Artículo completo próximamenteTranscriptómica espacial
Medir la expresión génica sin perder la posición de cada célula en el tejido, para ver qué genes se activan en cada zona de un tumor o de un órgano.
Artículo completo próximamenteChIP-seq y ATAC-seq
ChIP-seq localiza dónde se une una proteína al ADN o dónde hay una marca de histona; ATAC-seq, qué regiones de la cromatina están abiertas. Ambas revelan los interruptores de los genes.
Artículo completo próximamenteMetilómica
Medir la metilación del ADN en todo el genoma, por ejemplo secuenciando tras un tratamiento con bisulfito o con arrays de metilación. La secuenciación de lectura larga ya la detecta directamente.
Artículo completo próximamenteProteómica
Identificar y cuantificar miles de proteínas, normalmente por espectrometría de masas. Completa lo que no dice el ARN: más ARN no siempre significa más proteína.
Artículo completo próximamenteMetabolómica
Medir los metabolitos de una muestra, como azúcares, lípidos o aminoácidos, con espectrometría de masas o resonancia magnética nuclear. Es la capa más cercana al estado real del organismo.
Artículo completo próximamentePara especialistas
Paso 3El detalle técnico que se usa en investigación y en la clínica.
Normalización y efectos de lote
Las muestras procesadas en días distintos o con kits distintos difieren por motivos técnicos. Normalizar y corregir esos efectos de lote evita confundir ruido técnico con biología; el buen diseño experimental es la mejor prevención.
Artículo completo próximamenteComparaciones múltiples y FDR
Al probar 20.000 genes a la vez, un umbral de p < 0,05 daría unos 1.000 falsos positivos solo por azar. Por eso se controla la tasa de falsos descubrimientos (FDR), por ejemplo con el método de Benjamini-Hochberg.
Artículo completo próximamenteIntegración multiómica
Combinar varias capas medidas en las mismas muestras para tener una visión más completa. Requiere métodos específicos, como los de factorización (MOFA) o las redes, y cuidado con datos de escalas muy distintas.
Artículo completo próximamenteVisualización de datos ómicos
Mapas de calor, gráficos de volcán, PCA y UMAP permiten ver patrones en miles de variables. Conviene recordar que UMAP y t-SNE deforman las distancias: sirven para explorar, no para medir.
Artículo completo próximamenteSigue aprendiendo
Continúa por el área siguiente del mapa o vuelve al índice de todas las áreas.
Preguntas frecuentes
R, con Bioconductor, y Python, con paquetes como Scanpy, son los más usados.
Depende del efecto esperado y de la variabilidad, pero con menos de tres réplicas por grupo es difícil sacar conclusiones fiables. Más réplicas suelen ser mejor inversión que más profundidad de secuenciación.
Un gráfico que enfrenta el tamaño del cambio (eje horizontal) con su significación estadística (eje vertical) para ver de un vistazo qué genes cambian mucho y con seguridad.
Fuentes
Imagen de cabecera: Sarka Na kopci, Wikimedia Commons (CC BY-SA 4.0), recortada.