{"id":1602,"date":"2017-11-25T19:34:15","date_gmt":"2017-11-25T17:34:15","guid":{"rendered":"http:\/\/bioinfo2.ugr.es\/biocomputacion\/?page_id=1602"},"modified":"2017-11-25T19:38:02","modified_gmt":"2017-11-25T17:38:02","slug":"microrna","status":"publish","type":"page","link":"https:\/\/bioinfo2.ugr.es\/biocomputacion\/microrna\/","title":{"rendered":"microRNA"},"content":{"rendered":"

Introducci\u00f3n<\/h3>\n

Un microRNA es una mol\u00e9cula de RNA monocatenario implicada en la regulaci\u00f3n postranscripcional de la expresi\u00f3n g\u00e9nica. El microRNA maduro tiene una longitud de entre 20-25 nt que se obtiene a partir de la maduraci\u00f3n de un transcrito primario (pri-miRNA) m\u00e1s largo. La funci\u00f3n de un microRNA depende de la complementariedad entre su secuencia y la secuencia de los transcritos que regula.<\/p>\n

Los microRNAs se descubrieron \u201cpor casualidad\u201d hace aproximadamente 25 a\u00f1os estudiando el gen lin-14 en Caenorhabditis elegans<\/em> (Lee, Feinbaum and Ambros, 1993). Estos autores encontraron que la abundancia de la prote\u00edna de lin-14 depende de un RNA corto que se transcribe de otro gen, lin-4. La 3\u2019UTR de lin-14 tiene una regi\u00f3n parcialmente complementaria a la secuencia madura de lin-4, causando la inhibici\u00f3n de la traducci\u00f3n a la prote\u00edna mediante la interacci\u00f3n antisentido (antisense) RNA-RNA. Al principio se pensaba que se pod\u00eda tratar de un fen\u00f3meno espec\u00edfico de nematodos. Sin embargo, durante la \u00faltima d\u00e9cada se han encontrado microRNAs en pr\u00e1cticamente todas las especies de metazoos y plantas, estando muchos de ellos altamente conservados (Axtell, Westholm and Lai, 2011).<\/p>\n

Determinar los perfiles de expresi\u00f3n mediante secuenciaci\u00f3n masiva<\/h3>\n

Para detectar microRNAs y determinar sus niveles de expresi\u00f3n, antes de la aparici\u00f3n de los m\u00e9todos de secuenciaci\u00f3n masiva se empleaban t\u00e9cnicas como northern blotting (Lagos-Quintana et al.<\/em>, 2001) o clonaci\u00f3n\/secuenciaci\u00f3n (Landgraf et al.<\/em>, 2007) que no permit\u00edan caracterizar todos los microRNAs presentes en la c\u00e9lula de forma simult\u00e1nea. La aparici\u00f3n de protocolos de secuenciaci\u00f3n masiva para los RNAs peque\u00f1os ha cambiado dr\u00e1sticamente este escenario, brindando ahora no solamente la posibilidad de medir la expresi\u00f3n de todos los RNAs peque\u00f1os a bajo coste, sino tambi\u00e9n predecir nuevos microRNAs con una sensibilidad y especificidad mucho mayor en comparaci\u00f3n con las predicciones in silico<\/em> (Li et al.<\/em>, 2010).<\/p>\n

Los datos de secuenciaci\u00f3n masiva del RNA peque\u00f1o permiten hasta 4 tipos de an\u00e1lisis diferentes:<\/p>\n

    \n
  1. detectar los niveles de expresi\u00f3n de los microRNAs conocidos (por norma general, aquellos que est\u00e1n en la base de datos de referencia miRBase (Griffiths-Jones et al.<\/em>, 2006)),<\/li>\n
  2. detectar aquellos microRNAs que muestran expresi\u00f3n diferencial entre dos grupos (por ejemplo enfermos\/sanos, tratados\/no-tratados, etc.),<\/li>\n
  3. predecir nuevos microRNAs,<\/li>\n
  4. determinar la presencia de otros tipos de RNAs peque\u00f1os.<\/li>\n<\/ol>\n

    Para llevar a cabo estos an\u00e1lisis se han desarrollado una serie de aplicaciones que se distinguen notablemente en el n\u00famero de an\u00e1lisis disponibles y en los m\u00e9todos empleados. Los programas m\u00e1s usados son: DSAP (Huang et al.<\/em>, 2010) miRanalyzer (Hackenberg et al.<\/em>, 2009; Hackenberg, Rodr\u00edguez-Ezpeleta and Aransay, 2011), sRNAbench (Barturen et al.<\/em>, 2014), miRDeep2 (Friedlander, et al., 2012), SeqBuster (Pantano, Estivill and Mart\u00ed, 2010) y UEA sRNA toolkit (Stocks et al.<\/em>, 2012).<\/p>\n

    \"\"<\/p>\n

     <\/p>\n

    Aunque todos estos m\u00e9todos pueden diferenciarse en los detalles, comparten algunos pasos:<\/p>\n