Otros análisis de datos computacionales

El análisis funcional se ha convertido en la primera opción para obtener información sobre la biología subyacente de genes y proteínas expresados diferencialmente, ya que ayuda a interpretar los datos en el contexto de procesos biológicos, rutas y redes. Los genes implicados en los mismos procesos biológicos, funciones o localizaciones suelen presentar comportamientos correlacionados en términos de niveles de expresión, intensidad de señales, apariciones de alelos, etc. Por tanto, podemos aplicar pruebas estadísticas para encontrar funciones o vías afectadas. Por lo general, las dos fuentes de información para este tipo de análisis son la base de conocimiento de Ontología Genética (GO) y la base de datos completa de vías metabólicas denominada Enciclopedia de genes y genomas de Kyoto (KEGG). Ofrecemos el siguiente análisis:

• Análisis de sobrerepresentación (ORA)

Dada una lista de genes expresados diferencialmente bajo ciertas condiciones, una ORA probará qué términos o vías de GO están sobre o subrepresentados usando la anotación pública de esos genes.

• Análisis de enriquecimiento de conjuntos de genes (GSEA)

Dado un conjunto de genes definido a priori (por ejemplo genes que codifican productos en una vía metabólica o que comparten la misma categoría GO) y una lista clasificada de genes expresados diferencialmente (por ejemplo ordenados por su expresión), el objetivo de GSEA es determinar si los miembros del conjunto se distribuyen aleatoriamente en la lista o se encuentran principalmente en la parte superior o inferior. La puntuación de enriquecimiento (ES) representa la cantidad en la que los genes del conjunto están sobrerrepresentados en la parte superior o inferior de la lista.

Casos de uso

El análisis funcional podría aplicarse a datos de diferentes fuentes:

• Datos de transcriptómica
• Datos derivados de la detección de variantes
• Datos de proteómica
• Datos de epigenómica

Los microarrays se pueden usar en muchos tipos de experimentos, incluido genotipado, epigenética, perfiles de traducción y perfiles de expresión génica.

El perfil de expresión genética es probablemente el uso más común de la tecnología de microarrays. Se pueden utilizar microarrays de uno y dos colores para este tipo de experimentos.

El resultado de un análisis de proteoma suele ser una larga lista de proteínas con una puntuación de probabilidad e, idealmente, un valor cuantitativo asociado. Así, al igual que con los conjuntos de genes, algunos de los análisis bioinformáticos de datos de proteómica incluyen anotación funcional y análisis de enriquecimiento, agrupamiento, análisis de redes u otros análisis estadísticos, o análisis de modificaciones postraduccionales.

Casos de uso

• Identificación de proteínas (búsqueda en bases de datos)
• Cuantificación de proteínas o isoformas
• Comparación de niveles de expresión relativa entre casos
• Análisis funcional de las proteínas identificadas

El análisis bioestadístico siempre ha sido un componente clave de los estudios biológicos, y especialmente genómicos.

Tenemos una amplia gama de experiencia en diseño experimental y estadístico. Todos nuestros servicios pueden adaptarse para satisfacer las necesidades de tu proyecto:

• Amplia gama de análisis estadístico.
• Ayuda en la comprensión de los resultados estadísticos.
• Producción de tablas y figuras personalizadas.
• Desarrollo de informes de métodos completos que describen el análisis.
• Diseños personalizados en función de las necesidades del usuario, ¡no tenemos miedo a los desafíos!

Casos de uso

Nuestra instalación tiene experiencia en la realización de una amplia gama de diversos análisis estadísticos:

• Test de hipótesis estadísticos para comparar los niveles de expresión entre casos de datos transcriptómicos y proteómicos. 
• Test de hipótesis estadísticos aplicados a la identificación de diferencias taxonómicas y funcionales entre muestras metagenómicas (metagenómica comparativa) 
• Análisis de supervivencia (estimador y curvas de Kaplan Meier, modelo de regresión de Cox) a partir de datos médicos.
• Curvas de Característica Operativa del Receptor (ROC) dependientes del tiempo.
• Visualización interactiva de los datos.

A petición de nuestros usuarios, diseñamos software especializado para resolver problemas biológicos específicos. Tenemos una gran experiencia en la escritura de scripts internos en lenguajes de programación como R, Python, Awk y Perl, así como en el lenguaje de comandos bash.