Hace pocos días, investigadores del Departamento de Biología del Neurodesarrollo del IIBCE presentaron esta herramienta en “Bioinformatics”, la revista más importante del área.
Compartimos un resumen de este logro institucional, que además beneficiará a la comunidad académica nivel internacional.
Determinar las funciones biológicas de los genes o de las proteínas que estos codifican, es uno de los principales objetivos de la biología moderna, ya que es clave para entender el proceso de la vida a nivel molecular. Además de su interés científico, también es fundamental para todas las actividades cuyos productos y servicios involucran conocimiento y capacidad de control sobre los procesos biológicos y los seres vivos, como por ejemplo la producción de alimentos o el desarrollo de nuevos medicamentos. Sin embargo, la función de la mayoría de los genes aún es desconocida y además, como muchos genes poseen varias funciones, es muy probable que muchos de los genes que ya tienen alguna función asignada, posean otras por descubrir.
Actualmente, existen nuevas tecnologías que permiten obtener cantidades enormes de datos sobre cómo se expresan nuestros genes en diversas condiciones. Sin embargo, establecer experimentalmente las funciones biológicas de los genes insume mucho tiempo y dinero. En este contexto, la predicción computacional de funciones génicas ha cobrado suma relevancia.
Estas predicciones tienen la enorme ventaja de dirigir la experimentación a listas de genes con alta probabilidad de ser necesarios para una función biológica particular, ahorrando tiempo y recursos. Los métodos de predicción de función génica que obtienen los mejores resultados utilizan técnicas de inteligencia artificial, en particular, del aprendizaje automático (machine learning). Estos métodos son capaces de aprender a reconocer cuándo es muy probable que un gen tenga cierta función biológica a partir de algunas de sus características.
Desde hace un tiempo, investigadores del Departamento de Biología del Neurodesarrollo del IIBCE comenzaron a investigar la posibilidad de entrenar algoritmos de aprendizaje automático para predecir nuevas funciones de genes a partir de sus ubicaciones relativas en el genoma. Con ese objetivo y en colaboración con investigadores del País Vasco, desarrollaron “Cluster Locator”, una herramienta de análisis computacional que permite analizar estadísticamente la distribución en el genoma de una lista de genes provista por el usuario.
¿Cómo funciona?
Una vez que se especifica la lista de genes que se desea analizar, Cluster Locator determina la cantidad, el tamaño y la ubicación de todos los agrupamientos de genes (clusters). La herramienta también realiza un análisis estadístico de los resultados, que permite estimar cuán significativos son o, si por el contrario, el azar podría arrojar resultados similares. La herramienta permite además visualizar un esquema de la distribución los genes de la lista en el genoma. Más allá de la gran importancia que tendrá para las futuras investigaciones del Departamento, Cluster Locator puede ser muy útil para otros investigadores con otras líneas de investigación, por eso sus desarrolladores decidieron que estuviera disponible en línea en forma gratuita. Hace pocos días, el grupo de investigación mencionado presentó esta herramienta en un artículo* publicado por “Bioinformatics”, la revista más importante del área.
La herramineta está disponible aquí: http://clusterlocator.bnd.edu.uy/
El artículo está disponible aquí: https://academic.oup.com/bioinformatics/advance-article/doi/10.1093/bioinformatics/bty336/4986419?guestAccessKey=0912248b-3c43-4ace-b28a-6fd6bc5ec152
*Cluster Locator, online analysis and visualization of gene clustering. Flavio Pazos Obregón, Pablo Soto, José Luis Lavín, Ana Rosa Cortázar, Rosa Barrio, Ana María Aransay, Rafael Cantera
Por consultas pueden escribirle a Flavio Pazos fpazos@iibce.edu.uy, Departamento de Biología del Neurodesarrollo del IIBCE.
