Ver traducción automática
Esta es una traducción automática. Para ver el texto original en inglés haga clic aquí
#Novedades de la industria
{{{sourceTextContent.title}}}
Microarray y bioinformática
{{{sourceTextContent.subTitle}}}
Un “microarray” es una diapositiva del laboratorio hecha del vidrio cuya superficie se proporciona millares de pequeños poros en posiciones definidas. Trabaja bajo principio de hibridación de filamentos complementarios de la DNA y nos permite analizar expresiones de genes múltiples en una reacción de una manera eficaz.
{{{sourceTextContent.description}}}
Los datos generaron con la tecnología del microarray se recolectan y se ahorran en un ordenador con la ayuda de un escáner de la imagen. Pues estos datos se encuentran en grandes cantidades, es difícil incluso que los expertos estadísticos realicen el análisis usando métodos tradicionales. El problema ha dado vuelta para ser altamente importante a conseguir dirigido, desafía especialmente el surgimiento debido a la calidad y a la normalización de los datos presentados por esta tecnología. Así, se inventan las herramientas de la bioinformática.
Bioinformática
La bioinformática es el campo interdisciplinario de la ciencia que es formada combinando otras áreas como la biología, matemáticas, de informática, y de las estadísticas. El propósito de esta tecnología es desarrollar los métodos para el almacenamiento y la recuperación de datos biológicos complejos así como de su análisis.
En análisis del microarray, estas herramientas dedicadas realizan el análisis estadístico, comparaciones de la muestra, y la interpretación funcional de los datos produjo de una manera de la serie después de la visualización y de la normalización. Aparte de esto, comparando datos de la expresión génica con la información biológica ya existente, proporciona varias clases de descubrimientos incluyendo el análisis del punto de enlace del factor de la transcripción, el análisis del camino, y la interacción de la proteína-proteína del análisis de red.
El “Bioconductor” es una de las herramientas importantes usadas en análisis del microarray. Es una fuente abierta y un proyecto de software abierto de desarrollo basados en el lenguaje de programación de R.
Uso de la bioinformática en análisis del microarray:
Los datos resultantes de la tecnología del microarray se analizan en un proceso que incluya tres fases:
Análisis primario
Escalamiento y normalización
Análisis profundizado
a) Análisis primario: En este paso, la calidad de los datos obtenidos de cada arsenal es verificada comprobando si el hibridación, el etiquetado, la exploración, los etc., se hacen correctamente. Aquí, se eliminan todos los datos innecesarios y de baja calidad.
b) Escalamiento y normalización: Éstos son los dos métodos que están implicados en la regulación de los datos recogidos de cada uno ponen en orden. Esto se hace para hacer la comparación eficiente y más fácil.
el escalamiento de la normalización del Por-microprocesador/la normalización del por-microprocesador es un método en el cual la fluorescencia total de cada arsenal se ajusta a una intensidad media de modo que el brillo de cada muestra se convierta en lo mismo.
la normalización del Por-gen/la normalización es un proceso en el cual las fuentes de variaciones que puedan afectar los niveles medidos de la expresión de gen se quitan. Hay muchos métodos para la normalización, pero es difícil decidir a cuál es el mejor.
c) El análisis profundizado es el tercer paso en analizar datos del microarray. De acuerdo con la naturaleza del experimento, aplican al dependiente de las pruebas en estadísticas y los filtros aquí para categorizar los genes cuyas expresiones se modifican en diversas muestras. El análisis simple se hace para menos muestras mientras que para un gran número de muestras, un “agrupamiento más sofisticado y se utiliza la clasificación”.
El análisis más simple: La filtración es el método usado para analizar los datos de menos muestras. El “filtro en banderas” y el “filtro en cambio del doblez” son los dos acercamientos principales usados en la filtración.
La bandera es una medida cualitativa que es acompañada por la cuenta cruda de la expresión. Verifica las diferencias estadísticas de los genes del fondo y permite la filtración solamente exactamente de genes mensurables.
El ‘filtro en cambio del doblez’ es un método de filtración básico hecho comparando el cambio del doblez. Se utiliza para identificar los genes que son por lo menos diferentes doble en las condiciones experimentales.
Análisis avanzado: El agrupamiento y la clasificación son los métodos que se pueden utilizar para analizar datos extremadamente complejos del microarray. Sin embargo, como los datos analizados por estos métodos son demasiado grandes en cantidad, es mejor filtrar los datos primero y limitarlos según las necesidades.
Análisis de racimo: Este método que implica técnicas supervisadas/no supervisadas diverso de agrupar divisorias los genes en diversos grupos, especialmente cuando la muestra consiste en diversos tipos de genes. Es una técnica famosa usada para analizar la matriz de los datos de la expresión génica
Los tres métodos de agrupamiento comunes son como sigue:
Agrupamiento jerárquico: Una técnica no supervisada en la cual los racimos de genes son construidos con los aproximadamente mismos modelos de la expresión agrupando los genes juntos que se relacionan grandemente en medidas de la expresión. Todos los genes se representan bajo la forma de hojas en un árbol de ramificación en el dendrogram.
Agrupamiento de los K-medios: Éste es un algoritmo de la minería de datos que se utiliza en el agrupamiento de los datos en grupos sin la información anterior sobre las relaciones.
Mapas de auto-organización (SOM): Un acercamiento de agrupamiento no jerárquico red-basado de los nervios que trabaja como el agrupamiento de los K-medios.
Clasificación (predicción de la clase/aprendizaje supervisado/análisis discriminante): En este método un grupo de ejemplos preclassified será dado. En comparación con eso, los clasificadores encontrarán una nueva regla, para poder asignar las nuevas muestras en clases ya dadas unas de los. El número de muestra debe ser suficiente para entrenar a un algoritmo y probarlo en un nuevo grupo de muestras. Los datos de la expresión génica se normalizan que se utilizan como vectores de la entrada para las reglas constructivas de la clasificación.