Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ANEXO.............................................................................................20
PRÁCTICA1: El proyecto BioMart (Ensembl)
Actividad 1. Descripción de BioMart
(4) Elija un filtro. Aquí las opciones incluyen región, gen, evento de
transcripción, expresión, comparaciones de múltiples especies, dominios
de proteínas y variación. Seleccione "región", cromosoma 11 e ingrese
5240000 para el inicio del gen (pares de bases) y 5300000 para el
extremo del gen. (Nótese que esta región abarca 60 kilobases)
(7) Para ver estos resultados, seleccione "Results". Tenga en cuenta que
puede exportar sus resultados en varios formatos (incluidos valores
separados por comas o archivo CSV) que se pueden manipular aún más.
(8) Abra el archivo en Excel para ver los resultados y anótelos aquí.
(7) Siga los pasos del problema anterior, pero para el conjunto de filtros,
elija región, multiple regions, siga la nomenclatura de la aplicación:
chr5:87,267,883-87,391,916
chr3:141,487,027-141,615,344
chr13:113,977,783-114,132,623
(8) En filtros, ahora vaya a gene y señale los que codifican proteínas.
Gene_Gene type_protein coding.
(9) Ahora vaya a Atributes y seleccione sequences y cDNA. Pulse
Results.
rs1563885473
rs1404245817
rs190538376
rs1563885484
rs929343241
rs929343241
rs549291513
rs1363743201
rs1325008282
rs1800001
rs1800002
rs1800003
rs1800004
rs1801161
rs6633107
rs7523538
rs73028893
rs9803659
rs10918682
PRÁCTICA 2: COSMIC
(https://cancer.sanger.ac.uk/cosmic)
Actividad 1. Descripción de COSMIC (Sanger)
6
Técnicas ómicas para el análisis masivo de datos
Actividad 1. Descripción
7
Técnicas ómicas para el análisis masivo de datos
(17) ¿Qué indica el histograma que vemos con barras de colores azules y
rojas?
(18) ¿Cuál es el top 3 de genes mutados en este cáncer? ¿Que
porcentajes encontramos en cada uno de estos genes?
(19) Vamos a comenzar estudiando el tercer gen más mutado. Pinche en
él. A continuación, le parecerá un histograma de las mutaciones que
encontramos en el gen. Encuentra mutaciones a lo largo de todo el
gen o solo en una zona concreta. ¿Cree que esto está relacionado
con el tipo de gen del que se trata? ¿Qué tipo de gen es?
(20) En los filtros de la izquierda (abajo) puede hacer búsquedas según la
mutación que quiera estudiar. Selecciona: confirmed somatic y
patogenic mutation. Aplique los filtros. En qué posición de
aminoacídica encontramos la mutación que se ha descrito más veces.
¿Cuántas veces se ha contado? ¿Qué mutación es?
(21) Vamos ahora «atras » con el gen más mutado de este cáncer. Pinche
en él. Vea el perfil del histograma que aparece. ¿Qué tipo de gen es
este? ¿Cúantas mutaciones recurrentes aparecen?
(22) Diga cual es el impacto de estas mutaciones en la actividad del gen Si
va a Hallmark puede ver el impacto de estas mutaciones en la
actividad de este gen.
(23) Ve al segundo gen más mutado en este cáncer. ¿Qué histograma
encuentras?. ¿De qué tipo de gen se trata? ¿Qué impacto tienen las
mutaciones en este gen?
8
Técnicas ómicas para el análisis masivo de datos
9
Técnicas ómicas para el análisis masivo de datos
(4) Podemos ver que las muestras de pacientes TCGA (The Cancer Genoma
Atlas) que tienen una _____expresión de EGFR (rojo, columna B) tienden a
tener _________ de EGFR (rojo, columna C) o ___________ en EGFR
(marcas azules, columna D).
(5) Ahora moveremos las columnas para cambiar el orden de clasificación y
cambiar el tamaño de las columnas. Ampliaremos toda la Hoja de Cálculo
Visual y también dentro de una columna.
(6) Mover columnas. Haga clic en la columna C, variación del número de copias
y arrástrela hacia la izquierda para que se convierta en la primera columna
después de la columna de muestras (es decir, la columna B). Tenga en
cuenta que las muestras ahora están ordenadas por los valores de esta
columna. Haga una captura de pantalla y péguela aquí.
10
Técnicas ómicas para el análisis masivo de datos
(8) Cree una hoja de cálculo visual que observe la expresión y mutación del
gen TP53 en muestras de pacientes del estudio GDC TCGA Lower Grade
Glioma. Haga una captura de pantalla y péguela aquí.
(9) Cambie la hoja de cálculo visual de la pregunta anterior para que las
muestras del paciente se clasifiquen por mutaciones en lugar de por
expresión genética. Haga una captura de pantalla y péguela aquí
11
Técnicas ómicas para el análisis masivo de datos
12
Técnicas ómicas para el análisis masivo de datos
13
Técnicas ómicas para el análisis masivo de datos
14
Técnicas ómicas para el análisis masivo de datos
15
Técnicas ómicas para el análisis masivo de datos
(34)Comenzando al final del punto 31, agregue los datos del fenotipo
'age_at_initial_pathologic_diagnosis' al gráfico. En cuanto a la edad a la que
se hace el diagnóstico inicial ¿Cuál es la mediana en el caso de las mujeres
y de los hombres?
16
Técnicas ómicas para el análisis masivo de datos
17
Técnicas ómicas para el análisis masivo de datos
18
Técnicas ómicas para el análisis masivo de datos
Haremos una hoja de cálculo visual donde podremos explorar la relación, los
subtipos y los 50 genes que componen PAM50.
19
Técnicas ómicas para el análisis masivo de datos
Ahora veremos la firma del gen TFAC30 y veremos cómo se relaciona con
las clasificaciones del subtipo PAM50. Esta firma de expresión genética de
más de 30 genes predice la respuesta patológica completa (pCR) a la
quimioterapia preoperatoria semanal con paclitaxel y fluorouracilo-
doxorrubicina-ciclofosfamida (T/FAC).
20
Técnicas ómicas para el análisis masivo de datos
21
Técnicas ómicas para el análisis masivo de datos
(46)Ahora podemos ver que las muestras de tumores del paciente, tanto
___________,_______________,como metastásicas, tienen una expresión
___ ______ en comparación con el tejido normal, tanto en el caso del tejido
22
Técnicas ómicas para el análisis masivo de datos
(47)Comparar la expresión del gen EGFR entre las muestras tumorales del
paciente y el tejido pulmonar normal del individuo. Haga una captura y
responda a la siguiente pregunta :
(48)¿Se diferencias las muestras de los pacientes y la de las personas sanas,
en relación con la expresión de EGFR?
23
Técnicas ómicas para el análisis masivo de datos
ANEXO
En genética, una mutación con cambio de sentido (del inglés missense
mutation), es un tipo de mutación puntual no sinónima en la cual se
produce un cambio en un único nucleótido, provocando la aparición de un
codón que codifica para un aminoácido diferente, mientras que las
mutaciones que causan el cambio de un aminoácido por un codón de
24
Técnicas ómicas para el análisis masivo de datos
25