Nuevo software de código abierto para identificar genes candidatos
[ad_1]
Aunque los estudios de asociación del genoma completo (GWAS) permiten la identificación de variantes de SNP (polimorfismo de un solo nucleótido) asociadas con rasgos de interés, muchas de las variantes identificadas se encuentran en regiones no codificantes y presumiblemente afectan solo la regulación de la expresión génica. Por lo tanto, es muy difícil identificar los genes causales que subyacen a un fenotipo particular usando solo variantes. La integración de GWAS y redes de coexpresión de genes puede ayudar a priorizar genes candidatos con gran confianza, ya que los perfiles de expresión de genes asociados a rasgos se pueden utilizar para encontrar nuevos candidatos. Apareció un nuevo artículo en en silico Plants presenta un marco estadístico que automatiza la integración de redes de coexpresión de genes y SNP derivados de GWAS para priorizar genes candidatos asociados con características de interés.
El Investigador Graduado Fabricio Almeida-Silva y el Profesor Asociado Dr. Thiago Venancio de la Universidad Estatal del Norte de Río de Janeiro trabajador de jaula (candidate gene miner), un paquete R/Bioconductor para priorizar genes candidatos integrando GWAS y redes de coexpresión.
trabajador de jaula utiliza un enfoque basado en genes principales para descubrir nuevos candidatos que se coexpresan con genes asociados a rasgos conocidos y que se inducen o reprimen significativamente en condiciones de interés.
Si bien existe un enfoque computacional existente, Camoco, que puede integrar loci identificados por GWAS con información funcional derivada de redes de coexpresión de genes, trabajador de jaula es capaz de descubrir genes candidatos dentro de una ventana deslizante más grande, lo que permite detectar más genes candidatos.
Datos de entrada requeridos por trabajador de jaula son ubicaciones de SNP, genes guía y una red de coexpresión de genes.
Los genes se consideran candidatos de confianza alta si cumplen los tres criterios de filtro implementados en trabajador de jaula:
- proximidad física a los SNP,
- Coexpresión con genes asociados a rasgos conocidos y
- cambios significativos en los niveles de expresión en condiciones de interés.
Los candidatos priorizados también se pueden evaluar y clasificar para seleccionar objetivos para la validación experimental.
Los autores han aplicado trabajador de jaula a un registro real de pimentón anual Respuesta a la infección por Phytophthora para identificar candidatos priorizados que codifican proteínas asociadas a procesos conocidos relacionados con la inmunidad vegetal. Una documentación fácil de entender de la sesión que incluye código, explicaciones e imágenes se incluye en un archivo complementario al artículo.
Venancio resume: “Hemos evolucionado trabajador de jaula Priorice los genes candidatos, lo que da como resultado una reducción significativa en el tamaño de las listas de genes candidatos. Anticipamos que este paquete ayudará a avanzar en la genómica de poblaciones e identificar genes para aplicaciones biotecnológicas”.
LEER EL ARTÍCULO:
Fabricio Almeida-Silva, Thiago M. Venancio, Cageminer: un paquete R/Bioconductor para priorizar genes candidatos integrando GWAS y redes de coexpresión génica, in silico Plants, 2022; diac018, https://doi.org/10.1093/insilicoplants/diac018
Todos los datos y el código utilizados en este manuscrito están disponibles gratuitamente en un repositorio de GitHub (https://github.com/almeidasilvaf/cageminer_benchmark) para garantizar la total reproducibilidad.
La publicación Nuevo software de código abierto para identificar genes candidatos apareció por primera vez en Botany One.
[ad_2]
Deja una respuesta