Aplicaciones del PDS en

genómica
Procesamiento Digital de Señales
Carrera de Bioinformática
Facultad de Ingeniería- UNER
 Secuencia de ADN

• A, T, C, G : Nucleótidos o bases
• Cada nucleótido tiene dos terminaciones distintas: 5´y 3´
• La 5´terminación de un nucleótido se une a la 3´de otro nucleótido
• Por convención se representa la secuencia de nucleótidos para una
simple hebra de la 5´a la 3´ terminación de izquierda a derecha.
Dos hebras tienden a formar una
doble hélice
Doble hélice
• Los nucleotidos de ambas
hebras de unen quimicamente
según:
A-T
C-G
Representación de la molécula de
ADN
Hebras complementarias

5´ …A-G-A-C-T-G-A-A… 3´
5´ …T-T-C-A-G-T-C-T… 3´
Una molécula de ADN de doble hebra puede
representarse por cualquiera de las dos cadenas de
caracteres leídas en la dirección de 5´ a 3´
Genes, intrones y exones
 PDS

Características Decisión:
unidimensionales / Codifica
multidimensionales No codifica
Secuencia Conversión Secuencia(s)
de ADN Numérica Extracción de
en valores Clasificación
características
numéricos
 Representación numérica de la
secuencia de ADN
• Representación binaria (Voss)
• Z-curve
• Tetraedro
• Representación Compleja
• quaternion representation
• In the EIIP (electron-ion interaction potential) method
• Pares numéricos
• Frecuencia de ocurrencia de nucleótido
• Otras
 Representación binaria (Voss)
• Mapea los nucleótidos en cuatro secuencias
binarias indicadoras

A-G-A-C-T-G-A-A
 Tetraedro

Reduce el número de secuencias

indicadoras de 4 a 3

Ejes de coordenadas
r

b
 Tetraedro

• Cada letra A,T,C y G son asignadas a los vértices

de un tetraedro regular en el espacio

Se puede elegir

A:

T:

C:
G:
 Tetraedro

Cuatro secuencias Tres secuencias

Aplicación en espectrogramas de ADN

 Z-curve
• Al igual que el tetraedro reduce la dimensión
de las representaciones
 Representación Compleja
• Se asignan números complejos a cada una de
las bases
j

C A

G T

Se obtiene un única secuencia

 Cuaternion
• Similar a la representación compleja
 Potencial de interacción electrón-
ion (EIIP)
A=0.1260
C=0.1340
G=0.0806
T=0.1335

• Se utiliza el potencial de interacción electrón-

ion asociado con cada nucleótido
 Pares Numéricos

• Explota dos
propiedades
1. Los intrones
 Ángulo de fase promedio
Exón Intrón

Gen A Gen B Gen C

Prom φ
φ4x φ5x φ6x φ7x
φ2x φ3x
φ1x
Histograma x
x= A,C,T,G

φ
 Pares Numéricos
Histograma del ángulo de fase de la TDF

Se observan que las medias de C y G son mas pequeñas que en A y T tanto

en regiones que codifican proteínas como en regiones que no codifican.
 Pares Numéricos
• 'ATGCTATT....‘
• x[n] = {+1,+1,-1,-1, +1, +1, +1, +1,....}

• A-T = +1
• C-G= -1
- Se asignan +1 y -1 para indicar la presencia de A-T y C-G
respectivamente.
- Resulta una sola secuencias que reduce los costos del
procesamiento de la TDF en comparación a otros métodos que
utilizan más secuencias (Voss, Curva Z, Tetraedro).
 Frecuencia de aparición de
nucleótidos

Frecuencia de Ocurrencia en exones

ATGCTATT…
x[n] = {0.23326, 0.20354, 0.28179, 0.28142,
0.20354, 0.23326, 0.20354, 0.20354,…}
 Otras Representaciones

• 1)T=0, C=1, A=2, G=3.

• 2)A=0, G=1, C=2, T=3.

• 3)A=1.5, T=-1.5, C=0.5, G=-0.5 (similar al método complejo).

Transformada de Fourier

Transformadas de
Fourier
individuales
 Medición del contenido espectral
(SC)

Es conocido que el espectro del la secuencia de ADN tiene un pico

en la frecuencia k=N/3 en las regiones de los exones
GeneScan(1997)
Secuencias
numéricas

Contenido espectral
(SC)

P=S[N/3] /mean(S)

V F
P>=4

Exón No exón
 Medida de la rotación espectral
Exón Intrón (SR)
Gen A Gen B Gen C

Prom φ
φ4x φ5x φ6x φ7x
φ2x φ3x
φ1x
Histograma x

x= A,C,T,G

φ
 Medida de la rotación espectral
(SR)
• Este método gira los cuatro “vectores”(
) en sentido horario cada uno en
un ángulo equivalente al promedio del ángulo
de fase en las regiones codificantes.
• Esto hace que todos los vectores “apunten” en
la misma dirección
 Medida de la rotación espectral
(SR)
• A su vez divide cada término por su
correspondiente desviación del ángulo de fase
para darle más peso a las distribuciones
exónicas. Media del ángulo
de fase en regiones codificantes

Desvío estándar del ángulo

de fase en regiones codificantes
Filtros ANTINOTCH
H(z)
 Filtros ANTINOTCH

Contenido espectral S[N/3] Filtro

 Medida de la Rotacion espetral
pariada y ponderada (PWSR)
• Se convierte la secuencia de ADN a dos secuencias numéricas
de N muestras y se calculan las TDF
DFT

'ATGCTATT....´
DFT

• Luego usando secuencias de ADN de entrenamiento del

mismo organismo se calculan la media y desviación estándar
del promedio del ángulo de fase en distintos exones (se
extrae un angulo de fase por exon)
 Medida de la Rotacion expetral
pariada y ponderada (PWSR)

Pesos basados en la frecuencia de aparición de nuclótidos

• Se calculan las PWSR en ambas direcciones de la secuencia de ADN y

luego se combinan.

• Como las secuencias indicadoras están pareadas, una TDF en sentido

inverso de una misma hebra de ADN es equivalente a la TDF de su
hebra complementaria.

Normalmente se evalúa la PWSR en k=N/3

 Medida del contenido espectral
pareado (PSC)
• Pares numéricos
'ATGCTATT....‘
x[n] = {+1,+1,-1,-1, +1, +1, +1, +1,....}

• Luego combina las TDF de la secuencia en las

ambas direcciones

Es un método no dependiente del organismo analizado

 Algoritmos en el dominio temporal
Pre Filtro

Voss
A-G-A-C-T-G-A-A

Remueve componentes espectrales en :

• AMDF
Algorimto en el dominio temporal
• TDP
• otros
 Magnitud promedio de la función
diferencia (AMDF)
• Algorítmo muy eficiente
Time-Frequency Hybrid (TFH)
Measure
Espectrograma
Espectrograma de ADN
Magnitud

TDF

RGB
 Espectrograma de ADN

Frecuencia k

Ubicación relativa del nucleótido

Nucleotidos=4000
Exón N=60