Desarrollo de meta-análisis de datos complejos en biología computacional.

Abstract

El trabajo presenta el desarrollo del programa MADCBC.py, un sistema semi-automatizado en Python diseñado para integrar, unificar y analizar datos genómicos humanos a gran escala. La herramienta recopila información de diversas bases de datos primarias sobre interacciones proteína-proteína, modificaciones post-traduccionales y rutas de señalización (KEGG y Reactome), estandarizando sus terminologías mediante los símbolos oficiales de HGNC.

Para evaluar su efectividad, se realizó un meta-análisis con 396 archivos de microarreglos de leucemia aguda linfoblástica pediátrica (LALp). Se identificaron 775 conjuntos de sondas con expresión diferencial característicos del subtipo LAL-T. La correlación con la información biológica recopilada reveló vías clave afectadas, como la co-estimulación por CD28 y la señalización de receptores T y B, además de confirmar interacciones relevantes como BCL11B con SP1. En comparación con DAVID, MADCBC.py demostró un alto potencial para recuperar información detallada y facilitar la generación de hipótesis biológicas.