Lectura diaria

Exploración conjunta no supervisada de datos proteómicos y transcriptómicos mediante la reducción de dimensiones y la agrupación en clústeres con Python

Las ciencias de la vida se basan en datos en estos días. Es posible que haya escuchado las palabras genómica, transcriptómica, proteómica, incluso si no es biólogo o investigador médico. los ómicas son enfoques científicos que intentan comprender de manera integral un subsistema de una célula, tejido u organismo, y generan cantidades masivas de información en el camino. Cuanto mejores sean estas técnicas para producir datos, mayor será la demanda de nuevos métodos computacionales para manejarlos.

Tengo un interés profesional en integrar datos proteómicos con información de otras ómicas, principalmente de la transcriptómica. En pocas palabras, la proteómica tiene como objetivo determinar los niveles, funciones e interacciones de las proteínas en un sistema vivo, mientras que la transcriptómica captura una instantánea de las moléculas de ARN que son producto de la expresión génica. La expresión génica y el funcionamiento de las proteínas están estrechamente conectados, por lo que explorarlos juntos combina dos piezas cruciales del rompecabezas celular. Los enfoques computacionales para la integración ómica están en desarrollo activo: ver, por ejemplo, Análisis de factores multioómicos (MOFA y MOFA + paquetes) [1] o mixOmics [2]. …