Search

Treball de fi de grau en Bioinformàtica. Curs 2021-2022 Tutors: Bernat Gel Moreno i Eduard Serra Arenas La neurofibromatosi tipus 1 (NF1) és un trastorn genètic que predisposa les persones afectades al desenvolupament de tumors al sistema nerviós perifèric, com els neurofibromes plexiformes (pNF). Amb les tecnologies genòmiques i bioinformàtiques emergents, com la genòmica i l'epigenòmica a nivell de cèl·lula única, sorgeixen diferents possibilitats per interrogar aquests tumors. Aquest projecte té com a objectiu realitzar un anàlisi genòmic i bioinformàtic de 3 pNFs per caracteritzar tot el transcriptoma i els perfils d'accessibilitat del genoma a nivell de cèl·lula única, que ens permetin examinar l'heterogeneïtat cel·lular que existeix al seu interior, el qual ens pot ajudar a entendre millor l'estructura biològica subjacent d'aquests tumors, així com els mecanismes pels quals sorgeixen i es desenvolupen. La neurofibromatosis tipo 1 (NF1) es un trastorno genético que predispone a las personas afectadas al desarrollo de tumores en el sistema nervioso periférico, como los neurofibromas plexiformes (pNF). Con las tecnologías genómicas y bioinformáticas emergentes, como la genómica y la epigenómica a nivel de célula única, surgen diferentes posibilidades para interrogar estos tumores. Este proyecto tiene como objetivo realizar un análisis genómico y bioinformático de 3 pNFs para caracterizar todo el transcriptoma y los perfiles de accesibilidad del genoma a nivel de célula única, que nos permitan examinar la heterogeneidad celular que existe en su interior, lo cual puede ayudarnos a entender mejor la estructura biológica subyacente de estos tumores, así como los mecanismos por los cuales surgen y se desarrollan. Neurofibromatosis type 1 (NF1) is a genetic disorder that predisposes affected persons to the development of tumors in the peripheral nervous system, including Plexiform Neurofibromas (pNFs). With new emerging genomic and bioinformatics technologies, such as single-cell genomics and epigenomics, different possibilities to interrogate these tumors arise. This project aims to perform an in-depth genomic and bioinformatic analysis of 3 pNFs to characterize the whole transcriptome and genome accessibility profiles at single-cell resolution, allowing us to examine the cellular heterogeneity that exists within them, which can help us better understand their underlying biological structure and characterize the mechanisms by which pNFs arise and develop.

En los últimos años, los avances en las técnicas de secuenciación han dado lugar a la posibilidad de obtener datos de expresión génica (RNA-seq) y accesibilidad de la cromatina (ATAC-seq) de una misma célula (single-cell). Debido a la heterogeneidad de las poblaciones celulares, la obtención de datos epigenéticos y de expresión génica en una misma célula permite estudiar los mecanismos intracelulares con mucha más precisión. Esto ha provocado la expansión del uso de técnicas llamadas single-cell y, con ello, la necesidad de desarrollar herramientas que permitan visualizar y explorar los datos multi-ómicos obtenidos mediante dichos experimentos. Por ello, en este trabajo se describe el desarrollo de una aplicación llamada MOXELL que, partiendo de matrices de recuento de datos procedentes de experimentos single-cell de RNA-seq y ATAC-seq, disminuye la dimensionalidad de los datos, los clasifica (clustering) y permite la visualización de los resultados de manera dinámica e interactiva. Los pipelines de procesamiento de los datos de la aplicación fueron realizados con el lenguaje de programación R y, para el desarrollo de éstos, se utilizaron datasets disponibles en la base de datos Gene Expression Omnibus. Por otro lado, para el diseño de la interfaz de la aplicación se utilizó la librería Shiny. Tras la integración de los pipelines con la interfaz, la aplicación muestra un correcto funcionamiento de las actividades implementadas. No obstante, se pretende seguir su desarrollo más allá del presente trabajo, para añadir más funcionalidades y poder así ofrecer a la comunidad científica una herramienta útil y completa. In recent years, advances in sequencing techniques have led to the possibility of extracting gene expression data (RNA-seq) and accessibility of chromatin data (ATAC-seq) from the same cell (single-cell). Due to the heterogeneity of the cell populations, obtaining epigenetic and gene expression data in the same cell allows the study of intracellular mechanisms with much more precision. This has led to the expansion of the use of techniques called single-cell and, therefore, the need of developing tools to allow the visualization and exploration of multi-omic data obtained through these types of experiments. For this reason, this paper describes the development of an application called MOXELL that, taking RNA-seq and ATAC-seq data from single-cell experiments, decreases the dimensionality of the data, classifies them (clustering) and allows the visualization of the results in a dynamic and interactive way. The data processing pipelines of the application were made using the programming language called R and, for the development of these, datasets from Gene Expression Omnibus database were used. On the other hand, the Shiny library was used to design the application interface. After the pipelines integration with the interface, the application shows a correct functioning of the implemented activities. However, it is intended to continue its development beyond this work, to add more functionalities and offer to the scientific community a useful and comprehensive tool. En els últims anys, els avanços en les tècniques de seqüenciació han donat lloc a la possibilitat d'obtenir dades d'expressió gènica (RNA-seq) i accessibilitat de la cromatina (ATAC-seq) d'una mateixa cèl·lula (single-cell). A causa de l'heterogeneïtat de les poblacions cel·lulars, l'obtenció de dades epigenètiques i d'expressió gènica en una mateixa cèl·lula permet estudiar els mecanismes intracel·lulars amb molta més precisió. Això ha provocat l'expansió de l'ús de tècniques anomenades single-cell i, amb això, la necessitat de desenvolupar eines que permetin visualitzar i explorar les dades multi-ómicos obtinguts mitjançant aquests experiments. Per això, en aquest treball es descriu el desenvolupament d'una aplicació anomenada MOXELL que, partint de matrius de recompte de dades procedents d'experiments single-cell d'RNA-seq i ATAC-seq, disminueix la dimensionalitat de les dades, els classifica (clustering) i permet la visualització dels resultats de manera dinàmica i interactiva. Els pipelines de processament de les dades de l'aplicació van ser realitzats amb el llenguatge de programació R i, per al desenvolupament d'aquests, es van utilitzar datasets disponibles en la base de dades Gene Expression Omnibus. D'altra banda, per al disseny de la interfície de l'aplicació es va utilitzar la llibreria Shiny. Després de la integració dels pipelines amb la interfície, l'aplicació mostra un correcte funcionament de les activitats implementades. No obstant això, es pretén seguir el seu desenvolupament més enllà del present treball, per a afegir més funcionalitats i poder així oferir a la comunitat científica una eina útil i completa.