Ultrasecuenciación: Análisis Bioinformático de expresión génica diferencial en experimentos de célula única (single cell RNA-Seq)

Descripción del servicio

El análisis de la expresión génica se ha convertido en proceso rutinario gracias al desarrollo de la secuenciación de ARN de alto rendimiento (RNA-seq) y microarrays. El análisis de ARN que anteriormente se limitaba al rastreo de transcripciones individuales mediante Northern o PCR cuantitativa ahora se usa con frecuencia para caracterizar los perfiles de expresión de poblaciones de miles de células. Los datos producidos a partir de los ensayos basados ¿¿en tecnicas masivas han llevado a la identificación de genes que se expresan diferencialmente en distintas poblaciones celulares y al descubrimiento de biomarcadores. Estos estudios genómicos son limitados ya que proporcionan mediciones para tejidos completos y, como resultado, muestran un perfil de expresión promedio para todas las células constituyentes. En organismos multicelulares, diferentes tipos de células dentro de la misma población pueden tener roles distintos y formar subpoblaciones con diferentes perfiles transcripcionales. Las correlaciones en la expresión génica de las subpoblaciones a menudo se pueden pasar por alto debido a la falta de identificación de subpoblaciones. Además, los ensayos masivos de RNASeq no pueden identificar si un cambio en el perfil de expresión se debe a un cambio en la regulación o composición, en el que surge un tipo de célula para dominar a la población. Por último, al examinar la progresión celular a través de la diferenciación, los perfiles de expresión promedio solo pueden ordenar las células por tiempo en lugar de su etapa de desarrollo y, en consecuencia, no pueden mostrar tendencias en los niveles de expresión génica específicos de ciertas etapas. Los avances recientes en biotecnología permiten la medición de la expresión génica en cientos a miles de células individuales simultáneamente. Si bien estos avances en las tecnologías de transcriptómica han permitido la generación de datos transcriptómicos unicelulares, existen nuevos desafíos computacionales y analíticos presentados por los datos producidos. Las técnicas utilizadas para analizar los datos de secuencia de ARN de las poblaciones de células en masa se pueden utilizar para datos de una sola célula, pero se han diseñado muchos enfoques computacionales nuevos para este tipo de datos para facilitar un estudio completo y detallado de los perfiles de expresión de células individuales. La detección de diferencias en el nivel de expresión génica entre dos poblaciones se utiliza tanto en datos transcriptómicos de una sola célula como en masa. Se han diseñado métodos especializados para datos de una sola celda que consideran las características de una sola celda, como los abandonos técnicos y la forma de la distribución, p. Bimodal vs.unimodal.