Metodi per lo studio dell’espressione genica su larga scala: ESTs SAGE Microarray EST SAGE MICROARRAY Computational analysis of data by statistical methods ESPRESSIONE DEL GENOMA UMANO NELLE CELLULE DIFFERENZIATE • Tutte le cellule di un organismo hanno lo stesso corredo genomico • L’espressione genica tessuto specifica determina il fenotipo morfo-funzionale dei tipi cellulari e tissutali • In ogni cellula differenziata ed in ogni particolare momento dello sviluppo e’ attivo solo un sottoinsieme dei geni REGOLAZIONE DELL’ESPRESSIONE GENICA • Puo’ agire su ciascuno dei livelli che caratterizzano il passare dell’informazione genica dal DNA alle proteine • Negli Eucarioti superiori la regolazione dell’espressione genica si svolge principalmente come controllo della trascrizione • Principali tipi di regolazione: Controllo epigenetico Controllo trascrizionale Controllo post-trascrizionale “One-gene approach” Il gene di interesse e’ espresso in un tessuto o in un dato momento dello sviluppo ? Quanto e’ attivo dal punto di vista trascrizionale ? Real Time PCR PCR semiquantitativa Ibridazione DNA genico o cDNA con RNA totale o poly(A)+RNA (Northern blot) Ibridazione in situ “Large-scale approach” Quali geni sono espressi in un tessuto ed in un dato momento dello sviluppo ? Quanto ciascuno di essi e’ attivo dal punto di vista trascrizionale ? Profilo d’espressione del genoma (TRASCRITTOMA) METODI PER LO STUDIO SU LARGA SCALA DELL’ESPRESSIONE GENICA Sequenziamento sistematico di ESTs da librerie di cDNA SAGE (Serial Analysis of Gene Expression) cDNA microarrays EST SEQUENCING mRNA of different genes cDNA LIBRARY EST UniGene Human Release Statistics Total sequences in clusters: 3115711 Total number of clusters sets: 95928 22094 sets contain at least one known gene 94710 20876 sets contain at least one EST sets contain both genes and ESTs EST ESTIMATE OF THE LEVEL OF EXPRESSION OF A GIVEN GENE Sample of 12919 ESTs corresponding to 4460 genes/trascripts eg. Rhodopsin: 65 retina ESTs 65 / 12919 = 0.503% SAGE Serial Analysis of Gene Expression SAGE SAGE è un metodo sperimentale ideato per utilizzare i vantaggi del sequenziamento su larga scala per avere informazioni quantitative di espressione genica (Velculescu et al. 1995, Zhang et al, 1997) Con questa tecnica e’ possibile stimare il livello d’espressione di ciascun gene, attraverso la misura del numero di volte in cui la TAG che lo rappresenta compare in un campione abbastanza grande di TAGs sequenziate a partire dal messaggero del tessuto in analisi Tag to Gene mapping Gene to Tag mapping Consiste nel sequenziamento da messaggeri cellulari di brevi oligonucleotidi, che fungono da etichette di sequenza (TAG) SAGE Isolamento delle “tag” Ligazione Sequenziamento Livello di espressione Livello di espressione Quantificazione di ciascuna “tag” e determinazione del pattern di espressione GENE GENE Normale Normale GENE GENE Alterato Alterato una sequenza di 9 paia di basi permette di identificare 49 (262144) diversi trascritti (una "tag" viene ottenuta da una posizione specifica di ogni trascritto). le "tag" possono essere unite insieme in serie, a costituire lunghe molecole di DNA, che vengono clonate e sequenziate. il numero di volte in cui una singola "tag" viene osservata permette di quantificare l'abbondanza del messaggero identificato nella popolazione dei messaggeri e, indirettamente, il livello di espressione del gene corrispondente. MICROARRAY Esperimenti di Microarray Permettono l’analisi dell’espressione di migliaia di geni simultaneamente MICROARRAY GeneChip Affymetrix Ibridizzazione della sonda marcata Scansione del GeneChip con scanner laser MICROARRAY Analisi dell’immagine • Identificazione della posizione degli spot • Costruzione di un’area locale intorno ad ogni spot • Calcolo dell’intensità di ogni singolo spot • Calcolo del background locale MICROARRAY Elaborazione dei dati EST SAGE MICROARRAY Matrice dei risultati con più condizioni sperimentali Cond. 1 Cond. 2 … Cond. m Gene 1 x11 x12 … x1m Gene 2 x21 x22 … x2m … … … … xn1 xn2 … xnm … Gene n • Quali geni sono differenzialmente espressi ? • Quali e quanti geni sono coespressi? Obiettivi dell’analisi saranno… Identificazione geni differenzialmente espressi Identificazione pattern di espressione comuni Identificazione di geni co-espressi con geni di funzione nota CLUSTER ANALISI • Il CLUSTERING o analisi cluster o analisi di raggruppamento è un insieme di tecniche di analisi multivariata dei dati volte al raggruppamento di elementi omogenei. • Un insieme di oggetti grande e disomogeo viene classificato in una serie limitata di gruppi omogeneei, ovvero “vicini” in accordo con una specifica misura di distanza. CLUSTER ANALISI Come si effettua una cluster analisi? • Si parte dalla matrice dei dati X di dimensione nxp e la si trasforma in una matrice nxn di dissimilarità o di distanze tra le n coppie di osservazioni (vettori di p elementi). • Si sceglie poi un algoritmo che definisca le regole su come raggruppare le unità in sottogruppi sulla base delle loro similarità. • Lo scopo e’ di identificare un cero numero di gruppi tali che gli elementi appartenenti ad un gruppo siano – in qualche senso – piu’ simili tra loro che non agli elementi appartenenti ad altri gruppi. CLUSTER ANALISI DUE STEPS: Misura di similarita’ • • Diverse misure Standardizzazione dei dati Linking method • • criterio per stabilire i gruppi Metodi gerarchici e non gerarchici CLUSTER ANALISI Identificazione di gruppi di geni con profili di espressione simili Simili rispetto a cosa ? Definizione di distanza I geni sono punti nello spazio: punti vicini nello spazio sono raggruppati insieme Var. 1 Var. 2 … Var. m 1 x11 x12 … x1m … … … … … n xn1 xn2 … xnm m=3 Ogni riga è un punto in uno spazio di m dimensioni n punti in uno spazio di m dimensioni Var 2 Var 3 Var 1 Livelli vs. Pattern 1 Var. 1 Var. 2 … Var. m x11 x12 … x1m … … … … … n xn1 xn2 … xnm Ogni profilo può essere inserito in un grafico … 1 X 2 1 2 3 4 m Variabili Distanza euclidea Correlazione di Pearson 1- Data Matrix PROBESET/GEN E CD34 Eritroblas ti Mieloblas ti Monoblas ti MKC Monociti Neutrofili Eosinofili GC00U921857_at -1.0 1.2 1.1 -1.1 -0.2 -1.0 1.1 -0.2 GC00U922066_at -0.5 -1.0 -0.9 -0.2 -0.9 1.1 1.2 1.1 GC00U990452_at -1.1 1.2 1.1 -0.2 1.0 -1.0 0.0 -1.1 GC00U990575_at 0.1 -1.0 -0.5 1.0 -1.0 1.2 1.2 -1.0 GC00U990668_at 1.1 1.1 1.0 0.3 -0.3 -1.0 -1.2 -1.0 GC00U990680_at -0.8 -0.9 0.2 1.1 1.1 1.2 -0.9 -0.9 GC00U990706_at -0.1 -1.2 -1.0 0.4 -1.1 1.2 0.9 1.0 GC01M033561_at 0.1 -1.0 -1.0 1.0 -1.2 1.2 1.2 -0.3 GC01M035219_at 1.1 1.1 0.5 -1.0 -0.5 -1.0 -1.1 1.0 GC01M035470_at -1.0 -0.9 -1.2 1.1 -0.3 0.1 1.0 1.2 GC01M035671_at 1.2 -1.0 0.2 -1.2 0.0 -1.1 1.0 0.9 GC01M035737_at 1.2 1.2 1.2 -0.8 -0.4 -0.4 -0.8 -1.1 GC01M035952_at 1.3 -0.2 1.1 -0.9 1.0 -0.1 -0.9 -1.2 GC01M035958_at -0.1 -1.2 -1.0 -0.8 -0.4 1.1 1.1 1.2 GC01M036333_at -0.9 1.2 1.0 0.0 1.2 -0.9 -1.2 -0.4 Eosinofili Neutrofili Monociti Monoblasti MKC Mieloblasti Eritroblasti CD34 2- Data representation 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 3-Distance and linking method selection 4 - Result Pearson QT clustering 1.5 Insieme disomogeneo di 40 geni 1.0 0.5 0.0 -0.5 -1.0 Eosinofili Neutrofili Monociti Monoblasti MKC Mieloblasti Eritroblasti CD34 -1.5 6 cluster, gruppi omogenei