Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad U.N.
Publicado
ANÁLISIS DE REDES COMPLEJAS PARA GENES ORTÓLOGOS EN VERTEBRADOS: UN ESTUDIO A NIVEL GENÉTICO DE LA EVOLUCIÓN
Complex Network Analysis of Orthologous Genes in Vertebrates: A Genetic Study of Evolution
DOI:
https://doi.org/10.15446/abc.v30n1.111588Palabras clave:
Alineación de secuencias, Apolipoproteínas, Filogenia, Redes de genes, Redes semánticas (es)Apolipoproteins, Gene Networks, Phylogeny, Semantic Networks, Sequence Alignment (en)
Descargas
La especiación es un concepto fundamental en la biología evolutiva. En este trabajo, se analiza dicho concepto utilizando redes complejas. Se estudió el gen ortólogo apolipoproteína E (APOE) presente en vertebrados para identificar información sobre la clasificación y evolución de las especies. Desde el portal del NCBI, se descargó la secuencia genética del gen APOE para 239 especies. Para el análisis de los datos, se generó una matriz de identidad a partir de alineamientos, y posteriormente dicha matriz se transformó en matrices de adyacencia para llevar a cabo los análisis de redes complejas. Los resultados muestran relaciones de tipo evolutivo entre las especies y confirman la especiación como un proceso evolutivo a nivel genético. Además, indican que la evolución a nivel de genes ortólogos presenta las relaciones taxonómicas y de derivación entre especies. En el estudio, se identificó que las redes de genes ortólogos son similares a las redes de pequeño mundo y que éstas, a su vez, permiten reconocer automáticamente las especies a nivel de orden taxonómico como grupos inherentes a la evolución. El método propuesto permite obtener evidencia de la teoría de la evolución a nivel genético y es una alternativa para hacer clasificación taxonómica semi-automática.
This study addresses the speciation concept within the evolutionary biology context, employing complex network approaches. It primarily focuses on the analysis of the orthologous gene apolipoprotein E (APOE), which is present in vertebrates, to investigate species classification and evolution. Genetic sequences of APOE from 239 species were collected from the NCBI portal. The data were analyzed using an identity matrix generated from alignments, subsequently transformed into adjacency matrices for complex network analysis. The results revealed evolutionary relationships among species and affirmed specialization as a genetic evolutionary process. Furthermore, it was observed that orthologous gene networks resemble "small-world" networks and possess the ability to automatically identify species at the taxonomic order level, enhancing our understanding of evolutionary groupings. This proposed approach provides evidence for the theory of evolution at the genetic level and offers a semi-automated alternative for taxonomic classification.
Referencias
Alzohairy, A. (2011). BioEdit: An important software for molecular biology. GERF Bulletin of Biosciences, 2, 60-61.
Fang, G., Bhardwaj, N., Robilotto, R., y Gerstein, M. B. (2010). Getting Started in Gene Orthology and Functional Analysis. PLOS Computational Biology, 6(3), e1000703. https://doi.org/10.1371/journal.pcbi.1000703
Feng, J., Huang, Y., Huang, M., Li, X., Amoah, K., Huang, Y., y Jian, J. (2023). Apolipoprotein Eb (On-ApoEb) protects Oreochromis niloticus against Streptococcus agalactiae infection. Fish & Shellfish Immunology, 141, 109069. https://doi.org/10.1016/j.fsi.2023.109069
Gabaldón, T., y Koonin, E. V. (2013). Functional and evolutionary implications of gene orthology. Nature Reviews Genetics, 14(5), 360-366. https://doi.org/10.1038/nrg3456
Humphries, M. D., y Gurney, K. (2008). Network ‘Small-World-Ness’: A Quantitative Method for Determining Canonical Network Equivalence. PLoS ONE, 3(4), e0002051. https://doi.org/10.1371/journal.pone.0002051
Hurtado, J. (28 de agosto de 2023). Jandresh/species-network. https://github.com/jandresh/species-network
Kumar, S., Stecher, G., Li, M., Knyaz, C., y Tamura, K. (2018). MEGA X: Molecular Evolutionary Genetics Analysis across Computing Platforms. Molecular Biology and Evolution, 35(6), 1547-1549. https://doi.org/10.1093/molbev/msy096
León, D. A., Valdivia, J. A., y Bucheli, V. A. (2018). Modeling of Colombian Seismicity as Small‐World Networks. Seismological Research Letters, 89(5), 1807-1816. https://doi.org/10.1785/0220180076
Leytón Yela, G. V., Valencia, A. J. y Bucheli Guerrero, V. A. (2022). Relaciones sociales y comunidades en una plataforma virtual para cursos de programación de computadores. Ingeniería, 27(2), e17797. https://doi.org/10.14483/23448393.17797
Liu, J.-Q., Li, W.-X., Zheng, J.-J., Tian, Q.-N., Huang, J.-F., y Dai, S.-X. (2019). Gain and loss events in the evolution of the apolipoprotein family in vertebrata. BMC Evolutionary Biology, 19(1), 209. https://doi.org/10.1186/s12862-019-1519-8
McIntosh, A. M., Bennett, C., Dickson, D., Anestis, S. F., Watts, D. P., Webster, T. H., Fontenot, M. B., y Bradley, B. J. (2012). The Apolipoprotein E (APOE) Gene Appears Functionally Monomorphic in Chimpanzees (Pan troglodytes). PLoS ONE, 7(10), e47760. https://doi.org/10.1371/journal.pone.0047760
Myers, A., y McGonigle, P. (2019). Overview of Transgenic Mouse Models for Alzheimer’s Disease. Current Protocols in Neuroscience, 89(1), e81. https://doi.org/10.1002/cpns.81
NCBI. (2 de noviembre de 2022). APOE orthologs. NCBI. https://www.ncbi.nlm.nih.gov/gene/348/ortholog/
NCBI. (23 de junio de 2023). Taxonomy—NCBI. https://www.ncbi.nlm.nih.gov/taxonomy
Noguchi, T., Ebina, K., Hirao, M., Otsuru, S., Guess, A. J., Kawase, R., Ohama, T., Yamashita, S., Etani, Y., Okamura, G., y Yoshikawa, H. (2018). Apolipoprotein E plays crucial roles in maintaining bone mass by promoting osteoblast differentiation via ERK1/2 pathway and by suppressing osteoclast differentiation via c-Fos, NFATc1, and NF-κB pathway. Biochemical and Biophysical Research Communications, 503(2), 644-650. https://doi.org/10.1016/j.bbrc.2018.06.055
Perera, S., Bell, M. G. H., y Bliemer, M. C. J. (2017). Network science approach to modelling the topology and robustness of supply chain networks: A review and perspective. Applied Network Science, 2(1), 33. https://doi.org/10.1007/s41109-017-0053-0
Perez De Souza, L., Alseekh, S., Brotman, Y., y Fernie, A. R. (2020). Network-based strategies in metabolomics data analysis and interpretation: From molecular networking to biological interpretation. Expert Review of Proteomics, 17(4), 243-255. https://doi.org/10.1080/14789450.2020.1766975
Shapouri Moghaddam, A., Mansouri, S., Neshani, A., Firoozeh, F., Matinpur, A., Khaledi, A., y Ghazalibina, M. (2020). Construction, Cloning, and Expression of CagA Recombinant Protein of Helicobacter pylori. Avicenna Journal of Medical Biotechnology, 12(2), 135-138.
Sreeja, A., Krishnakumar, U., y Vinayan, K. P. (2019). Functional Categorization of Disease Genes Based on Spectral Graph Theory and Integrated Biological Knowledge. Interdisciplinary Sciences: Computational Life Sciences, 11(3), 460-474. https://doi.org/10.1007/s12539-017-0279-7
Telesford, Q. K., Simpson, S. L., Burdette, J. H., Hayasaka, S., y Laurienti, P. J. (2011). The Brain as a Complex System: Using Network Science as a Tool for Understanding the Brain. Brain Connectivity, 1(4), 295-308. https://doi.org/10.1089/brain.2011.0055
Thompson, J. D., Higgins, D. G., y Gibson, T. J. (1994). CLUSTAL W: Improving the sensitivity of progressive multiple sequence alignment through sequence weighting, position-specific gap penalties and weight matrix choice. Nucleic Acids Research, 22(22), 4673-4680. https://doi.org/10.1093/nar/22.22.4673
Tudorache, I. F., Trusca, V. G., y Gafencu, A. V. (2017). Apolipoprotein E - A Multifunctional Protein with Implications in Various Pathologies as a Result of Its Structural Features. Computational and Structural Biotechnology Journal, 15, 359-365. https://doi.org/10.1016/j.csbj.2017.05.003
Valavanis, I., Spyrou, G., y Nikita, K. (2010). A similarity network approach for the analysis and comparison of protein sequence/structure sets. Journal of Biomedical Informatics, 43(2), 257-267. https://doi.org/10.1016/j.jbi.2010.01.005
Wang, Y., Zhang, H., Zhong, H., y Xue, Z. (2021). Protein domain identification methods and online resources. Computational and Structural Biotechnology Journal, 19, 1145-1153. https://doi.org/10.1016/j.csbj.2021.01.041
Wasserman, S., y Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge University Press. https://doi.org/10.1017/CBO9780511815478
Witting, P. K., Pettersson, K., Letters, J., y Stocker, R. (2000). Anti-atherogenic effect of coenzyme Q10 in apolipoprotein E gene knockout mice11Dedicated to Lars Ernster for his pioneering contributions to research into coenzyme Q and his genuine passion and enthusiasm we were privileged to experience. Free Radical Biology and Medicine, 29(3-4), 295-305. https://doi.org/10.1016/S0891-5849(00)00311-7
Wolfram Research Inc. (1 de noviembre de 2022). Wolfram Mathematica: Computación técnica moderna. https://www.wolfram.com/mathematica/
Wolfram Research Inc. (26 de junio de 2023). FindGraphCommunities. https://reference.wolfram.com/language/ref/FindGraphCommunities.html
Xu, P.-T., Schmechel, D., Rothrock-Christian, T., Burkhart, D. S., Qiu, H.-L., Popko, B., Sullivan, P., Maeda, N., Saunders, A. M., Roses, A. D., y Gilbert, J. R. (1996). Human Apolipoprotein E2, E3, and E4 Isoform-Specific Transgenic Mice: Human-like Pattern of Glial and Neuronal Immunoreactivity in Central Nervous System Not Observed in Wild-Type Mice. Neurobiology of Disease, 3(3), 229-245. https://doi.org/10.1006/nbdi.1996.0023
Yao, Yong-Gang. (2017). Creating Animal Models, Why Not Use the Chinese Tree Shrew (Tupaia belangeri chinensis)?. Zoological Research, 38(3), 118-126. https://doi.org/10.24272/j.issn.2095-8137.2017.032
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
CrossRef Cited-by
Dimensions
PlumX
Visitas a la página del resumen del artículo
Descargas
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
1. La aceptación de manuscritos por parte de la revista implicará, además de su edición electrónica de acceso abierto bajo licencia Attribution-NonCommercial-ShareAlike 4.0 (CC BY NC SA), la inclusión y difusión del texto completo a través del repositorio institucional de la Universidad Nacional de Colombia y en todas aquellas bases de datos especializadas que el editor considere adecuadas para su indización con miras a incrementar la visibilidad de la revista.
2. Acta Biológica Colombiana permite a los autores archivar, descargar y compartir, la versión final publicada, así como las versiones pre-print y post-print incluyendo un encabezado con la referencia bibliográfica del articulo publicado.
3. Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
4. Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos institucionales, en su página web o en redes sociales cientificas como Academia, Researchgate; Mendelay) lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
