Análisis e implementación de algoritmos de deconvolución de mezclas celulares complejas basados en expresión de genes (firmas génicas) y aplicación a muestras de tumores

Abstract

[ES]El estudio de la variabilidad entre poblaciones celulares permite identificar la actividad de genes específicos y determinar de qué manera influyen los cambios producidos en dichas cé lulas en algunos procesos biológicos y en la aparición o desarrollo de ciertas enfermedades. En las últimas décadas, se han desarrollado técnicas computacionales para resolver este pro blema, conocidas como métodos de deconvolución, capaces de descomponer una mezcla de distintos tipos celulares en los elementos que la componen. En este trabajo, se implementan cinco algoritmos de deconvolución (DECONICA, LINSEED, CIBERSORT, FARDEEP y ABIS), comparándolos y determinando el que resulta más adecuado en datos de expresión de células de sangre periférica detectados mediante microarrays (GSE64385, GSE20300 y GSE106898) y en datos de expresión detectados mediante RNA-Sequencing (GSE107011).

[EN]The study of variability between cell populations makes it possible to identify the activity of specific genes and to determine how the changes produced in these cells influence certain biological processes and the appearance or development of certain diseases. In recent dec ades, computational techniques have been developed to solve this problem, called deconvolu tion methods, which are able to decomposing a mixture of different cell types into their con stituent elements. In this work, five deconvolution algorithms (DECONICA, LINSEED, CIBER SORT, FARDEEP y ABIS) are implemented, comparing them and determining which one is the most suitable using peripheral blood cell expression data detected by microarray technique (GSE64385, GSE20300 and GSE106898) and using expression data detected by RNA Sequencing technique (GSE107011)