Análisis de Datos Genómicos para la identificación de variantes genómicas relevantes en la enfermedad de Alzheimer

Abstract

[ES] Con la mejora de las tecnologías, el desarrollo de sistemas de información biomédicos y la secuenciación del genoma humano, la medicina de precisión se abre paso como la medicina de un futuro próximo. Sin embargo, para poder aplicarse esa medicina de precisión, se debe abordar el problema causado por la cantidad de datos que supone el tratamiento de la información genómica. Son los problemas derivados del llamado Big Data. Para ello, debe aplicarse una metodología clara que pueda tratar esas cantidades de datos de forma eficiente, pero sin hacer que esos datos pierdan calidad. En este contexto, surge la metodología SILE como respuesta a un problema en la sistematización de los pasos para la obtención de variaciones genómicas con el fin de ser usadas en el diagnóstico de la medicina de precisión. Mediante la aplicación de esta metodología, se pretende encontrar los repositorios de información genómica de mayor calidad y adaptados al estudio que se realice para poder extraer variantes genómicas relevantes para su posterior carga y explotación en el ámbito del diagnóstico. En este contexto se desarrolla este Trabajo de Fin de Máster, donde se realiza un análisis de los datos genómicos en la identificación de variantes relevantes asociados a una enfermedad, la cual será la enfermedad de Alzheimer en nuestro caso de estudio. En este proceso, siguiendo una metodología clara y detallada, se han seleccionado las bases de datos Mutations (Alzforum), ClinVar, DisGeNET, ENSEMBL y GWAS Catalog como repositorios donde poder extraer la información de las variantes relevantes. Posteriormente, se han aplicado una serie de filtros de calidad para conseguir un conjunto de variantes resultantes relevantes y aplicables a la medicina de precisión. Los resultados de esta identificación han proporcionado 50 variantes relevantes asociados a la enfermedad de Alzheimer de aparición tardía, la más común de las demencias hoy en día. Esas variantes han sido clasificadas en función de si suponen un aumento del riesgo de padecer la enfermedad o una disminución y, posteriormente, analizada su relevancia. Por último, se comparan los resultados con un estudio previo en el mismo dominio y de metodología similar, para analizar los cambios en los resultados en función de modificaciones en los filtros aplicados durante la metodología. De esta manera se evalúan ambas metodologías y se analiza la obtención de esos resultados críticamente para encontrar las fortalezas de este trabajo, pero también aspectos susceptibles de mejora que puedan llevar a mejoras o a nuevas líneas de investigación que arrojen luz sobre la complejidad de la enfermedad de Alzheimer.

[EN] Thanks to the advances in technology, to the development of biomedical information systems and to the human genome sequencing, precision medicine is becoming the medicine of a near future. However, to be able to apply this precision medicine, it is necessary to tackle the problem caused by the amount of data that results from the genomic information processing. These are the problems caused by the so-called Big Data. For this purpose, a clear methodology must be carried out. This methodology must be able to efficiently process such amounts of data, but maintaining their quality. In this context, SILE methodology is born as a response to a problem in the systematization of the steps to obtain genomic variations in order to be used in the diagnostic of precision medicine. The implementation of this methodology aims to find the repositories of genomic information with the highest quality and most adapted to the research. All of this in order to extract relevant genomic variations to be used in the diagnostic field. In this context it is developed the current Master Thesis, in which an analysis of the genomic data in the identification of relevant variations associated with a disease is carried out. In this project, the studied disease will be Alzheimer's. In this process, a clear and detailer methodology has been followed. Data bases Mutations (Alzforum), ClinVar, DisGeNET, ENSEMBL y GWAS Catalog have been chosen as repositories where information about relevant variations could be found. Subsequently, certain quality filters have been implemented in order to reach a set of relevant resulting variations, which are applicable in precision medicine. The results of this identification have provided 50 relevant variations associated with Late Onset Alzheimer¿s, the most common dementia nowadays. These variations have been classified according to their increase or reduction in the risk of suffering this disease. Afterwards their relevance has been analysed. Finally, the results are compared with a previous study in the same field and with a similar methodology, in order to analyse the changes in the results according to the modifications in the filters used during the methodology. In this way, both methodologies are evaluated and the obtaining of those results is critically analysed. This analysis aims to find the strengths of this paper, but also the aspects that could be improved and that could open new lines of research which could shed light on the complexity of Alzheimer's disease.