Interpretando padrões de expressão gênica com mapas auto-organizáveis: Métodos e aplicação à diferenciação hematopoiética

As tecnologias de microarranjos facilitaram o monitoramento simultâneo do padrão de expressão de milhares de genes. O desafio agora é interpretar esses grandes conjuntos de dados. O primeiro passo é extrair os padrões fundamentais de expressão gênica inerentes aos dados. Este artigo descreve a aplicação dos mapas auto-organizáveis, um tipo de análise matemática de agrupamento particularmente adequado para reconhecer e classificar características em dados complexos e multidimensionais. O método foi implementado em um pacote computacional disponível publicamente, GENECLUSTER, que realiza os cálculos analíticos e fornece fácil visualização dos dados. Para ilustrar o valor dessa análise, a abordagem foi aplicada à diferenciação hematopoiética em quatro modelos bem estudados (células HL-60, U937, Jurkat e NB4). Padrões de expressão de cerca de 6.000 genes humanos foram avaliados, e um banco de dados online foi criado. O GENECLUSTER foi usado para organizar os genes em agrupamentos biologicamente relevantes que sugerem hipóteses novas sobre a diferenciação hematopoiética — por exemplo, destacando certos genes e vias envolvidas na "terapia de diferenciação" usada no tratamento da leucemia promielocítica aguda.