PREDICCIÓN COMPUTACIONAL DE GENES PEQUEÑOS DE ARN

UNIVERSIDAD DE CHILE
FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS
DEPARTAMENTO DE INGENIERIA QUIMICA Y BIOTECNOLOGIA

PREDICCIÓN COMPUTACIONAL DE GENES PEQUEÑOS DE ARN
NO CODIFICANTE EN GENOMAS BACTERIANOS

TESIS PARA OPTAR AL TÍTULO DE INGENIERO CIVIL EN
BIOTECNOLOGÍA Y MAGÍSTER EN CIENCIAS DE LA INGENIERÍA
MENCIÓN QUÍMICA

ANDRÉS EDUARDO ROGERS AHUMADA

PROFESOR GUÍA:
JUAN A. ASENJO DE L.MIEMBROS DE LA COMISIÓN:
GONZALO NAVARRO BADINO
MAURICIO GONZALEZ CANALES
IVAN RAPAPORT ZIMERMANN
ORIANA SALAZAR AGUIRRE

SANTIAGO DE CHILE
ABRIL 2012

Resumen
El objetivo de este estudio es desarrollar un método computacional capaz de predecir con alta especificidad
y sensibilidad los genes pequeños de ARN no codificante en genomas bacterianos, identificando las variables
involucradas de mayorimportancia que deben ser consideradas para su correcta clasificación.
El trabajo aquí presentado consistió en investigar y analizar el estado del arte en métodos de predicción
computacional de genes pequeños de ARN no codificante en bacterias, recopilar un listado de las variables
involucradas y determinar estadísticamente aquellas que diferencian con mayor precisión los genes pequeños de
ARN nocodificante de secuencias genéticas al azar, comparar distintos métodos de predicción e identificar el
que otorgue mejores resultados. Finalmente, se compararon los resultados del método con otros preexistentes
y se aplicó el método al genoma completo de Escherichia coli.
Los principales resultados obtenidos en este estudio son la identificación de 4 variables que influyen
significativamente en ladetección correcta de genes pequeños de ARN no codificante. Estas son: V alor z,
V alor de partición, EM PI y P orcentaje de bultos, las cuales corresponden al subconjunto de variables con
mayor capacidad discriminatoria. Por este motivo se recomienda que futuros métodos predictivos consideren
la inclusión de estas 4 variables.
Las variables seleccionadas muestran que existe una presión selectiva en laevolución de los genes pequeños
de ARN no codificante, la que apunta a aumentar la estabilidad de la molécula al modificar su estructura
para disminuir la energía de plegamiento y eliminar subestructuras desestabilizantes no funcionales.
El mejor método de clasificación corresponde al Perceptrón Multicapa basado en redes neuronales, con una
alta sensibilidad (88, 8 %) y alta especificidad (85, 5 %),teniendo una tasa de falsos positivos relativamente
baja (14, 5 %).
Con este subconjunto de variables y el método de clasificación, se realizó una predicción sobre el genoma
de la bacteria Escherichia coli, generando 1192 predicciones, con un valor de sensibilidad de 30,5 % y un valor
predictivo positivo de 1,51 % respecto a los genes pequeños de ARN no codificante conocidos.
Seleccionando laspredicciones cercanas a promotores σ 70 o terminadores intrínsecos (independientes del
factor ρ), se obtiene un desempeño predictivo similar al logrado por otros autores en la literatura, con el
beneficio adicional de requerir la medición de sólo 4 variables y sin la necesidad de información sobre genes
homólogos en organismos cercanos filogenéticamente.
La contribución de este trabajo consiste enprofundizar el conocimiento acerca de las características de
los genes de ARN no codificante, al haber estudiado las variables utilizadas previamente en la literatura y
definir las 4 más relevantes, las cuales se relacionan directamente con la estructura secundaria y su energía
mínima de plegamiento.
En segundo lugar se propone un listado de 1192 secuencias del genoma de Escherichia coli y unlistado
más corto con las 5 más probables de ser genes sARN, estas secuencias pueden ser comprobadas experimentalmente.
Estos resultados inciden positivamente en mejorar la calidad de las anotaciones de estos genes en genomas bacterianos, permitiendo mayores avances en estudios de genómica funcional y regulación en redes
metabólicas.

i

Abstract
Small non-coding RNA genes produce a class of newly...