Al igual que los grupos de marineros trabajan conjuntamente empleando cuerdas para realizar tareas a bordo de un barco, las colecciones de factores de transcripción proteicos trabajan con secciones de los cromosomas como una comunidad en el núcleo de una célula para llevar a cabo las funciones celulares. Bioinformáticos de la Universidad Carnegie Mellon han desarrollado algoritmos para identificar estas comunidades en núcleos celulares. Crédito: Ella Marushchenko.
Bioinformática y Ciencia de Datos: de Facebook al ADN
21 de febrero de 2020 | Historia original de la Universidad Carnegie Mellon
Biólogos computacionales de la Universidad Carnegie Mellon han tomado un algoritmo utilizado para estudiar las redes sociales, como las comunidades de Facebook, y lo han adaptado para identificar cómo el ADN y las proteínas están interconectados en comunidades dentro del núcleo celular.
Jian Ma, profesor asociado en el Departamento de Biología Computacional de la UMC, dijo “los científicos han observado que el ADN, las proteínas y otros componentes dentro del núcleo parecen formar comunidades estructural y funcionalmente importantes. El comportamiento de estas comunidades puede resultar clave para entender los procesos celulares básicos y los mecanismos de las enfermedades, como el envejecimiento y el desarrollo del cáncer.”
Sin embargo, averiguar cómo identificar estas comunidades entre las decenas de miles de genes, proteínas y otros componentes de la célula es desalentador. Un factor importante es la proximidad, tanto en términos de genes controlados por las mismas proteínas reguladoras llamadas factores de transcripción, como en términos de disposición espacial, con el complejo plegado y empaquetado del ADN que acercan ciertos genes, aún cuando estén linealmente distantes.
En muchos casos, las relaciones son similares a muchas comunidades de Facebook, con algunos miembros situados cerca uno del otro, mientras que otros que pueden estar muy separados y, sin embargo, se relacionan a través de intereses compartidos.
En un artículo publicado en la portada de la edición de febrero del journal Genome Research, los autores principales Dechao Tian, un investigador postdoctoral, y Ruochi Zhang, un estudiante de doctorado en biología computacional, explican cómo desarrollaron un nuevo algoritmo, el MOCHI, para subdividir los componentes nucleares entrelazados en comunidades.
MOCHI se inspiró en un algoritmo desarrollado originalmente por el laboratorio del informático Jure Leskovec. Este, comenzó como estudiante de doctorado en la CMU y continuó como miembro de la facultad en la Universidad de Stanford, Leskovec se ha especializado en el análisis de grandes redes sociales y de información.
El algoritmo MOCHI examina la disposición espacial de todos los genes y de los factores de transcripción en un núcleo, basado en interacciones cromosómicas de todo el genoma y redes reguladoras genéticas globales. Luego que esta información es visualizada como un gráfico 3D, el algoritmo busca ciertos subgráficos o “motivos”, dentro de él. Un motivo podría ser, por ejemplo, una forma triangular, como es habitual en el análisis de redes sociales, o un subgráfico de cuatro nodos, que MOCHI utiliza para analizar redes complejas en el núcleo celular. A continuación, el algoritmo agrupa, o subdivide, el gráfico de una manera que minimiza la interrupción de estos motivos.
El grupo probó el algoritmo MOCHI aplicándolo a cinco tipos de células diferentes. Así como el algoritmo original ha demostrado ser hábil para identificar comunidades dentro de una gran masa de datos de redes sociales, MOCHI identificó lo que parecen ser cientos de comunidades dentro de los núcleos de estos tipos celulares.
Hasta el momento, los investigadores no saben lo que cada comunidad podría hacer, pero dicen que tienen razones para creer que las subdivisiones hechas por MOCHI son válidas. Por ejemplo, Ma dijo que el algoritmo identificaba comunidades que parecen ser comunes a todos los tipos celulares utilizados en este estudio. También identificó algunas comunidades que parecen ser únicas para un tipo de célula determinado. Además, Ma dijo que encontraron “enriquecimiento” de genes relacionados con enfermedades dentro de las comunidades.
Se necesitará mucho más trabajo para identificar la función y el comportamiento de cada una de estas comunidades, dijo Ma, pero el algoritmo MOCHI da a los investigadores un punto de partida para el estudio.
“Hay una razón por la que estas comunidades se forman en el núcleo”, dijo. “Todavía no conocemos los mecanismos de formación de estas comunidades”. Comprenderlos podría ayudar a los investigadores a delinear los procesos celulares fundamentales y sugerir posibles maneras de entender mejor el desarrollo de la enfermedad.
Los investigadores también planean incluir componentes adicionales del núcleo celular, como ARN y otros tipos de proteínas, en su análisis.
Este artículo ha sido republicado a partir de los siguientes materiales y editado para adecuar su longitud y contenido. Para obtener más información, ver la fuente citada.
Referencia: Dechao Tian, Ruochi Zhang, Yang Zhang, Xiaopeng Zhu and Jian Ma. (2020). MOCHI enables discovery of heterogeneous interactome modules in 3D nucleome. Genome Research. DOI: 10.1101/gr.250316.119.
