ChEA-KG: Human Transcription Factor Regulatory Network with a Knowledge Graph Interactive User Interface

El artículo presenta ChEA-KG, una aplicación web interactiva que ofrece un mapa de alta calidad de la red de regulación génica humana, derivado de miles de conjuntos de genes mediante el análisis de enriquecimiento de factores de transcripción ChEA3, y que incluye herramientas de visualización de redes y atlas especializados para células normales, tipos de cáncer, mecanismos de acción y envejecimiento.

Lo esencial

¡Hola! Imagina que el cuerpo humano es una ciudad gigantesca y muy compleja. En esta ciudad, hay millones de trabajadores (nuestros genes) que construyen, reparan y mantienen todo. Pero, ¿quién les dice qué hacer? ¿Quién les da las órdenes?

Aquí entran los Factores de Transcripción (TF). Piensa en ellos como los capataces, jefes de obra o directores de orquesta de la ciudad. Ellos deciden qué trabajadores se activan, cuáles se detienen y cuándo. A veces, un capataz le da una orden a otro capataz, creando una red de mando y control muy intrincada. A esta red la llamamos Red de Regulación Génica (GRN).

El problema es que esta red es tan enorme y caótica que nadie ha podido dibujar un mapa completo y claro hasta ahora.

¿Qué han hecho estos científicos?

El equipo del Dr. Avi Ma'ayan ha creado algo llamado ChEA-KG. Para explicarlo, usemos una analogía:

Imagina que tienes miles de diarios antiguos (datos científicos de miles de experimentos) donde se describe cómo reaccionó la ciudad ante diferentes eventos: una tormenta, una fiesta, un ataque de virus o un nuevo medicamento.

1. La Recolección de Datos (El "Big Data"): En lugar de leer uno por uno, usaron un robot superinteligente (una herramienta llamada ChEA3) para leer miles de estos diarios a la vez.
2. La Deducción: El robot notó un patrón: "¡Oye! Cada vez que aparece el capataz 'Juan', los trabajadores de la construcción se ponen a trabajar. Y cuando aparece 'María', los trabajadores de limpieza se detienen".
3. El Mapa Interactivo: Con toda esta información, construyeron un mapa digital gigante e interactivo. Este mapa no solo muestra quiénes son los capataces, sino también quién le ordena a quién, y si esa orden es un "¡Hazlo!" (activar) o un "¡Para!" (desactivar).

¿Qué hace especial a este mapa (ChEA-KG)?

La mayoría de los mapas anteriores eran como mapas de papel estáticos: solo mostraban líneas y nombres. ChEA-KG es como un Google Maps interactivo para la biología:

• Puedes hacer zoom: Puedes buscar a un solo capataz y ver a todos sus subordinados.
• Puedes trazar rutas: Si quieres saber cómo el "Capataz A" afecta al "Capataz Z", el mapa te muestra el camino más corto entre ellos.
• Puedes subir tu propia lista: Si tienes una lista de trabajadores que se comportaron de forma extraña en tu propia investigación, el mapa te dice: "¡Mira! Estos trabajadores están bajo el mando de estos tres capataces específicos".

Los 4 "Atlas" (Guías de Turismo) que crearon

Para que el mapa sea más útil, crearon cuatro guías turísticas especializadas dentro del sistema:

1. El Atlas de las Ciudades (Células): Hay 131 tipos de "barrios" en la ciudad (células: corazón, hígado, piel, etc.). Este atlas te muestra qué capataces son los jefes en cada barrio. Por ejemplo, te dice quiénes son los jefes en las células del corazón para que se mantenga latiendo.
2. El Atlas de las Enfermedades (Cáncer): El cáncer es como una rebelión en un barrio. Este atlas muestra cómo los capataces se vuelven locos en 69 tipos diferentes de tumores, ayudando a entender por qué un tumor es más agresivo que otro.
3. El Atlas de los Medicamentos (MoA): Cuando tomas una pastilla, es como enviar un mensaje a la ciudad. Este atlas te muestra cómo los capataces reaccionan a diferentes tipos de medicamentos (como antibióticos o analgésicos), revelando el "secreto" de cómo funciona la medicina.
4. El Atlas del Envejecimiento: Muestra cómo cambian los jefes y sus órdenes a medida que la ciudad envejece (de 20 a 70 años), ayudando a entender por qué el cuerpo se desgasta con el tiempo.

¿Por qué es importante esto?

Antes, los científicos tenían que adivinar o buscar en miles de libros para entender cómo se relacionan estos jefes celulares. Ahora, con ChEA-KG, tienen una herramienta mágica donde pueden:

• Ver el panorama completo de una sola vez.
• Descubrir conexiones ocultas que nadie había visto antes.
• Probar hipótesis rápidamente: "¿Qué pasaría si apago a este jefe?".

En resumen, ChEA-KG es como un tablero de control en tiempo real para la biología humana. Convierte datos aburridos y complejos en un mapa visual y fácil de usar, permitiendo a los científicos (y a ti, si entras a su página web) explorar cómo funciona la vida a nivel molecular, desde el nacimiento hasta el envejecimiento, y cómo podemos curar enfermedades.

¿Dónde puedes verlo?
El mapa está disponible gratis en internet para que cualquiera pueda explorarlo: https://chea-kg.maayanlab.cloud/. ¡Es como tener el manual de instrucciones del cuerpo humano en tu bolsillo!

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Título: ChEA-KG: Red de Regulación de Factores de Transcripción Humanos con una Interfaz de Usuario Interactiva de Grafos de Conocimiento

1. Problema

La comprensión de los mecanismos regulatorios que controlan la expresión génica a nivel del genoma es un objetivo central en biología computacional y experimental. Los Factores de Transcripción (TFs) son los controladores clave que regulan la expresión de otros genes, formando redes regulatorias génicas (GRN) complejas con bucles de retroalimentación y motivos reguladores.

Sin embargo, los métodos existentes para reconstruir estas redes presentan limitaciones significativas:

• Métodos experimentales: Técnicas como ChIP-seq o DNase-seq a menudo solo capturan un subconjunto de los TFs y generan aristas dirigidas pero sin signo (no indican si la regulación es de activación o represión).
• Métodos computacionales: El minado de texto, el análisis de matrices de peso de posición (PWM) y el análisis de co-expresión pueden sufrir de sesgos en la literatura, falta de especificidad o dependencia de evidencia indirecta.
• Herramientas actuales: Muchas herramientas de análisis de enriquecimiento de TF (TFEA) devuelven listas de TFs enriquecidos pero no visualizan cómo estos TFs interactúan entre sí dentro de una red global, ni ofrecen una representación dinámica de sus relaciones regulatorias.

2. Metodología

Los autores presentan ChEA-KG, un enfoque novedoso que combina el análisis de enriquecimiento de TFs (TFEA) con una vasta colección de datos de expresión génica para inferir una GRN de alta calidad.

• Construcción de la Red (TF-TF GRN):

  • Se utilizaron miles de conjuntos de genes diferencialmente expresados ("up" y "down") extraídos de RummaGEO (un recurso derivado de estudios de RNA-seq en GEO).
  • Se seleccionaron solo estudios con grupos de control y perturbación claros.
  • Se realizó un análisis de enriquecimiento de TFs utilizando ChEA3 en cada conjunto de genes.
  • Se identificaron los 10 TFs mejor clasificados para cada conjunto y se establecieron aristas dirigidas y con signo entre los TFs fuente (enriquecidos) y los genes diana (TFs en el conjunto de entrada).
  • El signo de la arista se determinó según la dirección de la expresión diferencial (regulación positiva o negativa).

• Filtrado y Validación Estadística:

  • Para eliminar aristas aleatorias, se desarrollaron dos métodos de permutación: Target Set Swap (TSS) y Node Draw (ND). Estos métodos barajan la red original preservando la distribución de conectividad.
  • Se calcularon puntuaciones Z y valores p para filtrar aristas con una significancia estadística (p < 0.01).
  • La red filtrada ND fue seleccionada como la principal debido a su mejor rendimiento en la validación.

• Benchmarking:

  • La red filtrada se comparó contra redes de referencia independientes no utilizadas en el entrenamiento: TRRUST (interacciones curadas por literatura) y bases de datos de PWM (TRANSFAC y JASPAR).
  • Se demostró que la red ChEA-KG tiene una superposición significativamente mayor con estas bases de datos conocidas en comparación con redes aleatorias.

• Desarrollo de la Aplicación Web (ChEA-KG):

  • La red se almacena en una base de datos Neo4j (Grafo de Conocimiento).
  • La interfaz de usuario utiliza Cytoscape.js para visualizar subredes interactivas.
  • Permite consultas de vecinos, caminos más cortos entre pares de TFs, y visualización de resultados de enriquecimiento.

• Creación de Atles (Atlases):

  • Cell Atlas: Subredes para 131 tipos celulares normales (basadas en marcadores de CellMarker, PanglaoDB, etc.).
  • Cancer Atlas: Subredes para 69 subtipos tumorales de 10 tipos de cáncer (datos de CPTAC3).
  • MoA Atlas: Subredes para 30 mecanismos de acción (MoA) de fármacos (datos de LINCS L1000).
  • Aging Atlas: Subredes para 24 tejidos humanos basadas en firmas de envejecimiento (GTEx).

3. Contribuciones Clave

1. Reconstrucción de una GRN de Alta Fidelidad: Se construyó una red con 131,581 aristas dirigidas y con signo conectando 701 TFs fuente a 1,559 TFs diana, abarcando casi todos los TFs humanos conocidos.
2. Interfaz Interactiva de Grafos de Conocimiento: ChEA-KG es la primera herramienta de enriquecimiento de TFs que ofrece una visualización de red dinámica e interactiva, permitiendo a los usuarios explorar las conexiones entre los TFs enriquecidos, no solo listarlos.
3. Cuatro Atlases Contextuales: Se proporcionan subredes precalculadas y curadas para contextos biológicos específicos (células normales, cáncer, fármacos y envejecimiento), facilitando el análisis sin necesidad de procesamiento de datos crudos por parte del usuario.
4. Descubrimiento de Nuevos Reguladores: La metodología identificó TFs candidatos para procesos biológicos específicos que no estaban previamente asociados en la literatura (ej. roles de MRFs en músculo cardíaco o ELK3 en células estromales).

4. Resultados

• Estructura de la Red: La red filtrada (ND) mostró una distribución de conectividad robusta y una alta recuperación de interacciones conocidas en comparación con las redes de referencia (TRRUST y TRANSFAC/JASPAR).
• Análisis de Clústeres: La aplicación de algoritmos de reducción de dimensionalidad (UMAP) y clustering (Leiden) reveló módulos funcionales claros, como grupos de TFs relacionados con el ciclo celular, respuesta inmune y diferenciación.
• Validación en Atles:
  • Células: Las subredes de tipos celulares específicos (ej. eritrocitos, células de Purkinje) confirmaron reguladores maestros conocidos y propusieron nuevos candidatos.
  • Cáncer: En el análisis de carcinoma de células escamosas pulmonares (LSCC), las subredes permitieron distinguir mecanismos moleculares entre subtipos (ej. regulación de T-células vs. desarrollo pulmonar), sugiriendo posibles biomarcadores de respuesta a terapia.
  • Fármacos (MoA): Se identificaron módulos de TFs compartidos entre diferentes mecanismos de acción. Por ejemplo, se vinculó la inhibición de receptores adrenérgicos con la regulación de la transición epitelial-mesenchymal (EMT) y la inhibición de HDAC con la upregulación de genes de respuesta temprana (IEGs).
  • Envejecimiento: Se descubrió un módulo regulatorio pan-tejido centrado en el TF ISX (Homeobox específico del intestino), implicando que la desregulación de programas de desarrollo y metabolismo es un motor clave del envejecimiento.

5. Significado e Impacto

ChEA-KG representa un avance significativo en la bioinformática traslacional al transformar el análisis de enriquecimiento de TFs de una lista estática de genes a un sistema de red dinámico e interactivo.

• Utilidad Biológica: Permite a los investigadores no solo identificar qué TFs están activos en un conjunto de datos, sino entender cómo interactúan entre sí para inducir cambios fenotípicos.
• Descubrimiento de Mecanismos: Facilita la hipótesis de nuevos mecanismos regulatorios en enfermedades complejas (cáncer, envejecimiento) y en la respuesta a fármacos.
• Accesibilidad: Al ser una aplicación web gratuita y de código abierto, democratiza el acceso a redes regulatorias de alta calidad, eliminando la barrera técnica de construir estas redes desde cero.
• Futuro: La plataforma sienta las bases para futuras simulaciones dinámicas de la red y su expansión para incluir otros componentes regulatorios como quinasas y modificadores de la cromatina.

La aplicación está disponible en: https://chea-kg.maayanlab.cloud/.