GraphExperiment: infrastructure for high-dimensional quantitative data and associated networks in R/Bioconductor

En el vasto paisaje de la biología moderna, los científicos intentan cada vez más comprender la vida no solo enumerando sus partes, sino mapeando cómo esas partes se comunican entre sí. Imagine una ciudad donde conoce la ubicación de cada casa y cada tienda, pero no tiene un mapa de las carreteras que las conectan. Podría saber que existe una panadería y que existe una escuela, pero sin las calles, no puede ver cómo un niño llega a la escuela o cómo un panadero entrega el pan. En el estudio de los seres vivos, las "casas" son las características medibles, como los genes o las proteínas, y las "carreteras" son las relaciones entre ellos. Los investigadores suelen construir estos mapas, llamados redes, para ver cómo trabajan juntos los genes o cómo interactúan diferentes células. Sin embargo, durante mucho tiempo, las herramientas utilizadas para almacenar la lista de las partes y las herramientas utilizadas para almacenar los mapas de sus conexiones se han mantenido en cajones digitales separados. Esta separación dificulta el estudio de la imagen completa, ya que los datos que describen las partes y los datos que describen las relaciones entre ellas a menudo se desincronizan entre sí.

Una nueva herramienta llamada GraphExperiment pretende solucionar esta desconexión al integrar las listas y los mapas en un único contenedor unificado. Desarrollado para el entorno de programación R, una plataforma estándar para el análisis de datos biológicos, este software crea una nueva forma de organizar la información. En lugar de mantener las mediciones cuantitativas de las características biológicas separadas de las redes que describen sus relaciones, GraphExperiment las almacena juntas de una manera que permite su manipulación simultánea. El sistema mantiene las redes sincronizadas con los ensayos y los metadatos, asegurando que las conexiones permanezcan consistentes con los datos subyacentes. Si un investigador añade un nuevo gen a su lista de mediciones o elimina una muestra, la estructura se mantiene para que la red siga alineada con el conjunto de datos actual. Esta sincronización evita el error común de analizar un mapa que ya no se ajusta al territorio que debería representar. El software está diseñado para manejar dos tipos de conexiones: aquellas entre características, como la forma en que un gen podría influir en otro, y aquellas entre observaciones, como la forma en que una célula podría comunicarse con una vecina.

Los investigadores detrás de este proyecto construyeron la herramienta para extender un estándar existente en el campo, asegurando que funcione sin problemas con otros programas que los biólogos ya utilizan. Demostraron su utilidad aplicándola a siete tipos diferentes de datos biológicos, que van desde estudios de células individuales hasta comparaciones de genomas enteros. En estas pruebas, la herramienta gestionó con éxito redes complejas, incluyendo aquellas que rastrean cómo los genes se coexpresan, cómo las proteínas se mueven juntas en abundancia y cómo las células se envían señales entre sí. También manejó redes que mapean la historia evolutiva de las especies. Al probar el software en estos diversos escenarios, el autor demostró que puede gestionar la intrincada red de relaciones que se encuentran en los datos biológicos modernos sin perder el rastro de los números subyacentes. El trabajo sugiere que mantener los datos y sus redes asociadas en un paquete único y sincronizado es un paso práctico y necesario para analizar la información biológica de alta dimensión. La herramienta ya está disponible para que otros científicos la utilicen, ofreciendo una forma de mantener sus datos y sus mapas en perfecto compás mientras exploran la compleja maquinaria de la vida.