OrthoGather: a local platform for orthology-based proteome and proteomics comparisons and Gene Ontology enrichment

OrthoGather es una aplicación web local que facilita el análisis comparativo de proteomas y la anotación funcional mediante inferencia de ortología, permitiendo a investigadores sin experiencia computacional explorar patrones biológicos y generar resultados publicables de manera intuitiva.

Lo esencial

¡Hola! Imagina que tienes un montón de recetas de cocina de diferentes países. Algunas recetas están escritas en un idioma que entiendes perfectamente (como el español), pero otras están en idiomas que apenas conoces o incluso en códigos secretos.

El problema es que quieres saber: "¿Qué tienen en común todas estas recetas cuando intentan hacer un pastel? ¿Y qué hace que cada país tenga su propio toque especial?"

Hasta ahora, hacer esta comparación era como intentar traducir todas esas recetas manualmente, una por una, usando diccionarios complicados y programas que solo los expertos en informática podían entender.

Aquí es donde entra OrthoGather, la herramienta que presentan en este artículo. Vamos a explicarlo con una analogía sencilla:

🍳 La Cocina de los Proteínas (La Analogía)

Imagina que las proteínas son los ingredientes de una cocina gigante. Cada especie (humanos, bacterias, plantas) tiene su propia despensa llena de ingredientes.

1. El Problema:
   A veces, en la despensa de una bacteria rara, los ingredientes no tienen etiquetas. No sabemos si ese polvo blanco es "harina" o "azúcar". Sin etiquetas, es imposible saber qué plato están preparando o cómo reacciona esa bacteria a un medicamento. Además, comparar la despensa de un humano con la de una bacteria es muy difícil porque los nombres de los ingredientes son totalmente distintos.

2. La Solución (OrthoGather):
   Los autores crearon OrthoGather, que es como un traductor y organizador mágico que funciona en tu propia computadora (no necesitas internet para todo el proceso, solo para bajar los datos al principio).

   • El "Grupo de Familiares" (Ortólogos): Imagina que OrthoGather toma todos los ingredientes de todas las cocinas y los agrupa en "familias". Si en la cocina humana hay "harina de trigo" y en la cocina bacteriana hay un "polvo blanco sin etiqueta", pero el sistema sabe que son familiares (son ortólogos), les dice: "¡Oye! Si la harina de trigo sirve para hacer pan, es muy probable que ese polvo blanco también sirva para hacer pan". ¡Así, le da sentido a los ingredientes sin etiqueta!

3. ¿Cómo funciona el viaje?
   El programa tiene tres formas de empezar, como elegir una ruta en un mapa:

   • Ruta A (Nueva Análisis): Tú eliges qué cocinas (especies) quieres comparar (por ejemplo, E. coli y Mycobacterium) y el programa baja sus recetas automáticamente.
   • Ruta B (Datos Preseleccionados): Si no quieres elegir, el programa ya trae una caja de herramientas con 47 cocinas bacterianas listas para usar. Es como un "menú del día" para practicar.
   • Ruta C (Tus Propios Datos): Si ya tienes tus propios ingredientes y recetas, puedes subirlos y el programa los organiza.

4. El Gran Descubrimiento (Lo que hace el programa):
   Una vez que todo está organizado, el programa te muestra dos cosas increíbles:

   • El Mapa de Superposición (Gráficos de UpSet): Imagina un diagrama de Venn gigante que te dice: "Mira, estas 3 cocinas comparten el ingrediente 'X', pero solo la cocina bacteriana tiene el ingrediente 'Y' que las hace resistentes a un antibiótico". Te muestra visualmente qué es común y qué es único.
   • La Lista de Tareas (Enriquecimiento GO): Si le dices al programa: "Quiero ver qué ingredientes cambiaron cuando añadimos un medicamento", él te dirá: "¡Atención! En todas las cocinas, los ingredientes relacionados con 'limpieza' y 'reparación' se activaron. Pero en la bacteria, también se activó un ingrediente secreto de 'defensa' que no teníamos en la lista".

¿Por qué es un gran avance?

Antes, para hacer esto, tenías que ser un experto en programación, usar líneas de comandos (como un hacker de películas) y pasar horas arreglando archivos de texto.

OrthoGather es como una app de cocina amigable:

• Es visual: Ves gráficos bonitos y fáciles de entender.
• Es local: Funciona en tu computadora, no depende de servidores lejanos que a veces caen.
• Es inclusivo: Permite que biólogos, médicos o estudiantes que no son programadores puedan hacer ciencia de alto nivel.

En resumen

OrthoGather es un puente. Conecta las cocinas (especies) que conocemos bien con las que no entendemos, usando la lógica de la familia (ortología) para traducir sus recetas. Gracias a esto, podemos descubrir cómo las bacterias se defienden de los antibióticos o cómo funcionan las células, incluso si no tenemos todas las etiquetas de sus ingredientes, todo con un par de clics en una pantalla amigable.

¡Es como tener un traductor universal para el lenguaje de la vida! 🌍🧬🔬

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo sobre OrthoGather, presentado en español:

Resumen Técnico: OrthoGather

1. El Problema
La interpretación funcional de estudios proteómicos comparativos se ve obstaculizada por la anotación funcional incompleta o inconsistente de las proteínas, especialmente en procariotas y eucariotas no modelo. Esta variabilidad dificulta la identificación de proteínas funcionalmente equivalentes y respuestas compartidas o específicas entre especies. Aunque la inferencia de ortología (agrupamiento de proteínas homólogas) ofrece una solución robusta, las herramientas existentes (como OrthoFinder) presentan barreras significativas: requieren ejecución en línea de comandos, preparación manual de datos y generan salidas complejas que son difíciles de interpretar para investigadores sin formación computacional avanzada.

2. Metodología
OrthoGather es una aplicación web alojada localmente desarrollada en Python 3.7.12 con un backend en Flask 2.2.5 y un frontend en HTML/JavaScript. Su arquitectura modular integra el análisis de proteomas comparativos con la enriquecimiento de Ontología Génica (GO) en un flujo de trabajo unificado:

• Modos de Entrada:
  1. Nueva Análisis: Interfaz de búsqueda predictiva para seleccionar proteomas de referencia de la base de datos UniProt (descarga automática en FASTA).
  2. Conjunto de Datos Preseleccionado: Incluye un dataset de ejemplo con 47 proteomas de 17 especies bacterianas relacionadas con infecciones pulmonares por fibrosis quística.
  3. Carga de Datos Externos: Permite subir resultados de OrthoFinder (carpeta comprimida de "Orthogroups") para reutilizar análisis previos.
• Procesamiento Central: El sistema ejecuta OrthoFinder v3.0.1 internamente para inferir ortogrupos, eliminando archivos temporales para optimizar el uso del disco.
• Módulos de Análisis:
  • Análisis Comparativo de Ortogrupos: Permite filtrar por especies y listas personalizadas de IDs de UniProt. Genera gráficos de UpSet para visualizar la distribución y superposición de ortogrupos y proteínas entre especies.
  • Análisis de Enriquecimiento de GO:
    • Validación: Verifica automáticamente la disponibilidad de archivos de anotación GOA (Gene Ontology Annotation) para las especies seleccionadas.
    • Cobertura Funcional: Cuantifica la proporción de proteínas anotadas por ortogrupos.
    • Enriquecimiento: Define conjuntos "foreground" (interés) y "background" (fondo). Utiliza la biblioteca GOATOOLS y la prueba exacta de Fisher con corrección FDR (Benjamini-Hochberg) para identificar términos GO significativos. Un rasgo clave es la opción "Include Complete Orthogroups", que expande los conjuntos para incluir todas las proteínas de un ortogrupo si una está seleccionada, permitiendo inferencia funcional para proteínas no anotadas basándose en sus ortólogos anotados.

3. Contribuciones Clave

• Accesibilidad: Elimina la necesidad de conocimientos de línea de comandos, proporcionando una interfaz gráfica intuitiva para un flujo de trabajo bioinformático complejo.
• Inferencia Funcional Cruzada: Permite transferir anotaciones funcionales de especies bien anotadas a especies pobremente anotadas mediante la relación de ortología, superando las limitaciones de anotación individual.
• Salidas Publicables: Genera automáticamente gráficos listos para publicación (UpSet, barras de GO) y archivos de datos descargables (Excel/CSV) con identificadores de proteínas homólogas.
• Flexibilidad: Funciona localmente en macOS y Linux (y Windows mediante subsistemas), requiriendo conexión a internet solo para la descarga inicial de datos y anotaciones.

4. Resultados
El artículo valida la herramienta utilizando un dataset de ejemplo derivado de un estudio sobre la respuesta de Mycobacterium smegmatis a la rifampicina.

• Se demostró la capacidad de filtrar ortogrupos entre múltiples especies bacterianas (incluyendo E. coli, P. aeruginosa, etc.) y visualizar las intersecciones de proteínas.
• El análisis de enriquecimiento de GO identificó procesos biológicos asociados a la resistencia a la rifampicina con un umbral FDR < 0.001.
• Se logró una cobertura de anotación de GO del 70.52% en los ortogrupos al incluir especies de referencia bien anotadas como E. coli, demostrando la eficacia de la inferencia cruzada.
• La herramienta generó visualizaciones claras (histogramas, diagramas de caja y barras de enriquecimiento) que facilitan la interpretación biológica sin necesidad de scripting adicional.

5. Significancia
OrthoGather cierra una brecha importante en el kit de herramientas de bioinformática al democratizar el análisis comparativo de proteomas y transcriptomas. Al permitir que investigadores sin experiencia computacional ejecuten flujos de trabajo completos (desde la selección de proteomas hasta la enriquecimiento funcional) de manera reproducible y local, facilita la generación de hipótesis en organismos poco estudiados. Su capacidad para integrar datos de especies modelo con datos experimentales de especies no modelo es fundamental para avanzar en la comprensión de respuestas evolutivas conservadas y específicas en biología y medicina.

Disponibilidad:
El código fuente, documentación y tutoriales están disponibles en Zenodo y GitHub. El material suplementario, incluido el análisis del conjunto de datos de ejemplo, se encuentra en línea.