Diseño y Análisis de datos

En SINAE para el diseño y análisis de datos contamos con la tecnología de los Microarrays. Los Microarrays o chips son plataformas sólidas para analizar la expresión diferencial de genes y la evaluación de pérdidas o ganancias de ADN. Su funcionamiento consiste, básicamente, en medir el nivel de hibridación entre una sonda específica y la molécula (gen) diana, generalmente mediante fluorescencia y a través de un análisis de imagen. Esto indica el nivel de expresión del gen.

En el caso de los estudios de expresión génica, genómica funcional o transcriptómica existen una gran cantidad de microarrays disponibles que se pueden separar en dos categorías: microarrays de ADNc y microarrays de oligonucleótidos sintéticos de alta densidad. Los arrays de ADNc permiten comparar dos muestras en un mismo microarray debido al uso de dos colores; mientras los microarrays de oligonucleótidos comerciales tienen una mayor especificidad de hibridación.

Existen distintas compañías que desarrollan microarrays de ADN:

Microarrays
Figura 1. Microarrays de Affymetrix (izquierda) y Agilent Technologies (derecha).
  • Affymetrix
  • Agilent Technologies
  • CombiMatrix
  • Eppendorf
  • Febit
  • GE Healthcare (antes Amersham plc)
  • GenePix
  • Illumina
  • Nanogen
  • Nimblegen Systems
  • Ocimum Biosolutions (adquirida por MWG Biotech)
  • Roche Diagnostics

En SINAE somos expertos en el diseño de estudios y análisis por medio de microarrays. SINAE ofrece distintos servicios para este tipo de proyectos en los que se realiza o se pretende llevar a cabo un análisis de expresión génica por medio de microarray:

  • El diseño experimental del estudio.
  • La determinación del número de muestras necesario.
  • El asesoramiento sobre la recolección y el tratamiento de muestras, ARN y/o ADN para el análisis de expresión.
  • El establecimiento del número de replicados adecuado para obtener resultados estadísticamente significativos.
  • La elección de la plataforma adecuada al diseño de estudio.
  • Los análisis de los datos obtenidos tras el análisis de expresión.
  • La validación de los resultados por medio de otras técnicas.
 Análisis de datos

  • Control de calidad de los datos
  • Procesado
  • Normalización
  • Análisis explicatorio Multivariante: Clutering y PCA (Análisis de Componentes Principales)
  • Análisis Estadísticos (paramétricos, no paramétricos, Bayesianos)
  • Expresión diferencial de genes
  • Análisis de Enriquecimiento Funcional (Gene Ontology, KEET y rutas de señalización
  • Redes de Genes y proteínas