Ir al contenido

Multiómica

De Wikipedia, la enciclopedia libre
Multiómica

La multiómica permite observar en detalle los mecanismos intrínsecos que regulan los sistemas biológicos y que conforman un fenotipo característico.
[editar datos en Wikidata]

La multiómica es una disciplina de la biología molecular que busca integrar las distintas ómicas existentes - como la genómica, la transcriptómica, la proteómica, la metabolómica o la epigenómica - para estudiar en detalle los sistemas biológicos.

En base a esta idea, en investigación se utilizan distintas tecnologías ómicas simultáneamente sobre una misma muestra biológica, permitiendo analizar conjuntamente los datos de cada una para poder caracterizar los mecanismos de los procesos biológicos que tienen lugar en ella.[1]​

Desarrollo histórico

[editar]
Principales avances tecnológicos y científicos que impulsaron el estudio de las distintas ómicas desde 1950.

El desarrollo de las tecnologías ómicas parte de los avances en biología molecular durante el siglo XX, en particular tras el descubrimiento de la estructura de doble hélice del ADN en 1953.[2]​ Desde entonces, el descubrimiento y optimización de tecnologías como la secuenciación de ácidos nucleicos, la reacción en cadena de la polimerasa (PCR, por sus siglas en inglés Polymerase Chain Reaction), o las distintas variedades espectrometría de masas y cromatografía líquida, han permitido estudiar en detalle las principales estructuras moleculares que conforman los organismos.[3]​

Principales tecnologías multiómicas

[editar]

Las principales tecnologías ómicas empleadas en estudios multiómicos son:

  • Secuanciación paralela masiva (NGS, por sus siglas en inglés Next-Generation Sequencing).
    • Secuenciación del ARN: se utiliza en el estudio del transcriptoma.
    • Secuenciación del ADN: se utiliza en el estudio del genoma.
    • Ensayo de la cromatina accesible a transposasa con secuenciación de alto rendimiento (ATAC-Seq, por sus siglas en inglés Assay for Transposase-Accessible Chromatin using Sequencing): se utiliza en el estudio del epigenoma.
    • Inmunoprecipitación de la cromatina acoplada a secuenciación (ChIP-Seq, por sus siglas en inglés Chromatin Immunoprecipitation Sequencing): se utiliza en el estudio del epigenoma.
  • Microarrays: se utiliza en el estudio del genoma, transcriptoma y proteoma.
  • Espectrometría de masas: se utiliza en el estudio del proteoma y el metaboloma.
  • Cromatografía de gases-espectrometría de masas (GC-MS, por sus siglas en inglés Gas Chromatography-Mass Spectrometry): se utiliza en el estudio del metaboloma.
  • Cromatografía líquida-espectrometría de masas (LC-MS, por sus siglas en inglés Liquid Chromatography-Mass Spectrometry): se utiliza en el estudio del metaboloma.
  • Resonancia magnética nuclear (RMN): se utiliza en el estudio del metaboloma.

Ensayos de célula única

[editar]

Los ensayos de célula única permiten estudiar distintos tipos de moléculas de forma detallada en cada célula de un tejido por individual -como, por ejemplo, en la secuenciación de células individuales-. En el caso de los estudios multiómicos de célula única, estos conllevan el estudio de distintas ómicas en una misma célula de forma simultánea, permitiendo caracterizar específicamente cada tipo celular mediante la observación de las distintas estructuras moleculares que la conforman.[4]​ A los datos multiómicos de célula única que provienen específicamente de la misma célula se les denomina también multimodales.[5]​

Herramientas para el análisis de datos multiómicos

[editar]

Debido al gran número de datos generados por las nuevas tecnologías y a la creciente necesidad de procesar esta información, los campos de la bioinformática y la biología computacional han crecido exponencialmente y se encuentran en continuo desarrollo.[6]​

Proceso de integración de distintas tecnologías ómicas en ensayos de célula única.

En este campo de análisis bioinformático podemos encontrar múltiples plataformas y programas especializados de libre acceso que permiten integrar y analizar de forma específica los datos procedentes de las distintas tecnologías ómicas. Entre ellos destaca el proyecto Bioconductor, desarrollado en el lenguaje de programación R, que ofrece un extenso repertorio de paquetes destinados al análisis bioinformático. Entre los paquetes desarrollados específicamente para análisis multiómicos se encuentran:

  • MOVICS: integración y visualización multiómica en la clasificación de subtipos de cáncer.[7]​
  • timeOmics: integración longitudinal de datos multiómicos.[8]​
  • ChromoMap: visualización interactiva de datos multiómicos y anotación de cromosomas.[9]​
  • MultiAssayExperiment: integración de experimentos multiómicos.[10]​
  • IMAS: evaluación de los procesos de splicing alternativo a partir de datos multiómicos.[11]​
  • mixOmics: selección e integración de múltiples datos ómicos.[12]​
  • MultiDataSet: integración de datos ómicos procedentes de múltiples conjuntos de datos.[13]​
  • bioCancer: visualización y análisis interactivos de datos multiómicos procedentes de muestras de cáncer.[14]​

Aplicaciones

[editar]
Avances en la medicina de precisión permiten obtener datos más precisos que junto al aprendizaje automático (en inglés machine learning) ayudan a caracterizar y mejorar la prevención y el tratamiento de enfermedades.

Las tecnologías ómicas en el contexto de la integración multiómica poseen una gran variedad de aplicaciones científicas e industriales a través de campos muy diversos, tales como la biomedicina, la agricultura o las ciencias ambientales.

Dentro del campo de la biomedicina, las tecnologías multiómicas permiten caracterizar los mecanismos subyacentes de diversas enfermedades,[15]​ ayudando al descubrimiento de biomarcadores clave para su prevención o para el desarrollo de nuevos fármacos,[16]​ a la vez que constatan la importancia y utilidad de la medicina de precisión en una sociedad que presenta una aparición de nuevas patologías influenciadas por el estilo de vida y el medio ambiente.[17]​

En el campo de la agricultura, las tecnologías multiómicas permiten estudiar la fisiología vegetal de distintos cultivos para generar y favorecer, a través de la biotecnología agrícola, nuevas variedades resistentes a condiciones climáticas adversas.[18]​

En el campo de las ciencias ambientales, las tecnologías ómicas permiten el estudio de distintas poblaciones de microorganismos y su papel en la biorremediación de contaminantes ambientales como estrategia de baja coste tolerable para el medio ambiente.[19]​

Véase también

[editar]

Referencias

[editar]
  1. ↑ Krassowski, Michal; Das, Vivek; Sahu, Sangram K.; Misra, Biswapriya B. (2020). «State of the Field in Multi-Omics Research: From Computational Needs to Data Mining and Sharing». Frontiers in Genetics 11. ISSN 1664-8021. PMC 7758509. PMID 33362867. doi:10.3389/fgene.2020.610798. Consultado el 6 de mayo de 2024. 
  2. ↑ Klug, Aaron (2004-01). «The Discovery of the DNA Double Helix». Journal of Molecular Biology 335 (1): 3-26. ISSN 0022-2836. doi:10.1016/j.jmb.2003.11.015. Consultado el 6 de mayo de 2024. 
  3. ↑ Babu, Mohan; Snyder, Michael (2023-06). «Multi-Omics Profiling for Health». Molecular & Cellular Proteomics 22 (6): 100561. ISSN 1535-9476. PMC 10220275. PMID 37119971. doi:10.1016/j.mcpro.2023.100561. Consultado el 6 de mayo de 2024. 
  4. ↑ Chappell, Lia; Russell, Andrew J.C.; Voet, Thierry (31 de agosto de 2018). «Single-Cell (Multi)omics Technologies». Annual Review of Genomics and Human Genetics (en inglés) 19 (1): 15-41. ISSN 1527-8204. doi:10.1146/annurev-genom-091416-035324. Consultado el 6 de mayo de 2024. 
  5. ↑ Wang, Xuefei; Wu, Xinchao; Hong, Ni; Jin, Wenfei (1 de febrero de 2024). «Progress in single-cell multimodal sequencing and multi-omics data integration». Biophysical Reviews (en inglés) 16 (1): 13-28. ISSN 1867-2469. PMC 10937857. PMID 38495443. doi:10.1007/s12551-023-01092-3. Consultado el 6 de mayo de 2024. 
  6. ↑ Ouzounis, Christos A. (26 de abril de 2012). «Rise and Demise of Bioinformatics? Promise and Progress». PLOS Computational Biology (en inglés) 8 (4): e1002487. ISSN 1553-7358. PMC 3343106. PMID 22570600. doi:10.1371/journal.pcbi.1002487. Consultado el 6 de mayo de 2024. 
  7. ↑ academic.oup.com. doi:10.1093/bioinformatics/btaa1018 https://academic.oup.com/bioinformatics/article/36/22-23/5539/6033582 |url= sin título (ayuda). Consultado el 6 de mayo de 2024. 
  8. ↑ academic.oup.com. doi:10.1093/bioinformatics/btab664 https://academic.oup.com/bioinformatics/article/38/2/577/6374493 |url= sin título (ayuda). Consultado el 6 de mayo de 2024. 
  9. ↑ Anand, Lakshay; Rodriguez Lopez, Carlos M. (11 de enero de 2022). «ChromoMap: an R package for interactive visualization of multi-omics data and annotation of chromosomes». BMC Bioinformatics 23 (1): 33. ISSN 1471-2105. PMC 8753883. PMID 35016614. doi:10.1186/s12859-021-04556-z. Consultado el 6 de mayo de 2024. 
  10. ↑ Ramos, Marcel; Schiffer, Lucas; Re, Angela; Azhar, Rimsha; Basunia, Azfar; Rodriguez, Carmen; Chan, Tiffany; Chapman, Phil et al. (1 de noviembre de 2017). «Software for the Integration of Multiomics Experiments in Bioconductor». Cancer Research (en inglés) 77 (21): e39-e42. ISSN 0008-5472. PMC 5679241. PMID 29092936. doi:10.1158/0008-5472.CAN-17-0344. Consultado el 6 de mayo de 2024. 
  11. ↑ Seonggyun Han, Younghee Lee (2017), IMAS, [object Object], doi:10.18129/b9.bioc.imas, consultado el 6 de mayo de 2024 .
  12. ↑ Rohart, Florian; Gautier, Benoît; Singh, Amrit; Cao, Kim-Anh Lê (3 de noviembre de 2017). «mixOmics: An R package for ‘omics feature selection and multiple data integration». PLOS Computational Biology (en inglés) 13 (11): e1005752. ISSN 1553-7358. PMC 5687754. PMID 29099853. doi:10.1371/journal.pcbi.1005752. Consultado el 6 de mayo de 2024. 
  13. ↑ Hernandez-Ferrer, Carles; Ruiz-Arenas, Carlos; Beltran-Gomila, Alba; González, Juan R. (2017-12). «MultiDataSet: an R package for encapsulating multiple data sets with application to omic data integration». BMC Bioinformatics (en inglés) 18 (1). ISSN 1471-2105. PMC 5240259. PMID 28095799. doi:10.1186/s12859-016-1455-1. Consultado el 6 de mayo de 2024. 
  14. ↑ Karim Mezhoud [Aut, Cre (2017), bioCancer, [object Object], doi:10.18129/b9.bioc.biocancer, consultado el 6 de mayo de 2024 .
  15. ↑ Zhao, Yuqi; Jhamb, Deepali; Shu, Le; Arneson, Douglas; Rajpal, Deepak K.; Yang, Xia (14 de enero de 2019). «Multi-omics integration reveals molecular networks and regulators of psoriasis». BMC Systems Biology 13 (1): 8. ISSN 1752-0509. PMC 6332659. PMID 30642337. doi:10.1186/s12918-018-0671-x. Consultado el 6 de mayo de 2024. 
  16. ↑ Ebrahim, Ali; Brunk, Elizabeth; Tan, Justin; O'Brien, Edward J.; Kim, Donghyuk; Szubin, Richard; Lerman, Joshua A.; Lechner, Anna et al. (26 de octubre de 2016). «Multi-omic data integration enables discovery of hidden biological regularities». Nature Communications (en inglés) 7 (1). ISSN 2041-1723. PMC 5095171. PMID 27782110. doi:10.1038/ncomms13091. Consultado el 6 de mayo de 2024. 
  17. ↑ Wang, Yong; Liu, Zhongyang; Li, Chun; Li, Dong; Ouyang, Yulin; Yu, Junda; Guo, Shuzhen; He, Fuchu et al. (2012). «Drug Target Prediction Based on the Herbs Components: The Study on the Multitargets Pharmacological Mechanism of Qishenkeli Acting on the Coronary Heart Disease». Evidence-Based Complementary and Alternative Medicine 2012: 1-10. ISSN 1741-427X. doi:10.1155/2012/698531. Consultado el 6 de mayo de 2024. 
  18. ↑ Varshney, Rajeev K.; Bansal, Kailash C.; Aggarwal, Pramod K.; Datta, Swapan K.; Craufurd, Peter Q. (2011-07). «Agricultural biotechnology for crop improvement in a variable climate: hope or hype?». Trends in Plant Science 16 (7): 363-371. ISSN 1360-1385. doi:10.1016/j.tplants.2011.03.004. Consultado el 6 de mayo de 2024. 
  19. ↑ Sharma, Pooja; Singh, Surendra Pratap; Iqbal, Hafiz M.N.; Tong, Yen Wah (2022-08). «Omics approaches in bioremediation of environmental contaminants: An integrated approach for environmental safety and sustainability». Environmental Research 211: 113102. ISSN 0013-9351. doi:10.1016/j.envres.2022.113102. Consultado el 6 de mayo de 2024. 
Obtenido de «https://es.wikipedia.org/w/index.php?title=Multiómica&oldid=160700324»