Este documento describe la introducción a la bioinformática y los RNAs pequeños. Brevemente discute que la mayor parte del genoma eucariota se transcribe a RNA pero solo una pequeña fracción codifica para proteínas. Explica que los RNAs no codificantes desempeñan funciones regulatorias importantes en procesos como el desarrollo y diferenciación celular. También describe cómo las nuevas tecnologías de secuenciación masiva han permitido el descubrimiento de una gran variedad de RNAs pequeños reguladores.

1. La bioinformática y los
RNAs pequeños
Selene Lizbeth Fernandez Valverde
University of Queensland
INTRODUCCION A LA BIOINFORMATICA OCTUBRE 27, 2012

2. Brisbane, Australia
Brisbane!

3. ¿Quíen soy?
Soy egresada de la primera generación de la LCG (Septiembre
2007)
Realicé mi doctorado en la Universidad de Queensland en
Australia, en el laboratorio del Profesor John Mattick
Actualmente soy postdoc en el laboratorio del Profesor Bernie
Degnan - School of Biological Sciences UQ

4. ¿Por qué Australia?
Profesor John Mattick
Ocupación - RNA-nómano
Pensó en porque la célula produce
tanto RNA “basura” (junk - empezando
por los intrones)*
Probablemente es detrimental para un
organismo tener una enorme cantidad
de RNA desperdiciado. De realmente
no ser funcional, sería eliminado o
reducido durante el proceso evolutivo, a
menos que tuviese una función
desconocida
Hasta el momento todo parece indicar
que tiene razón
*Mattick. Introns: evolution and function. Current Opinion in Genetics & Development (1994)

5. Número de genes en eucariontes
35,000
30,000
30,000
Número de genes codificantes
25,000 25,000
25,000
23,000
20,000 19,000
18,000
15,000 14,000
10,000
6,000
5,000
5,000
0
Organismo

6. El tamaño del genoma en eucariontes
3 billion 2,900,000,000
2,500,000,000
2.5 billion 2,400,000,000
Tamaño del genoma (bp)
2 billion
1.5 billion
1,000,000,000
1 billion
500 million
170,000,000
95,500,000 125,000,000
12,000,000 23,000,000
0
Organismo

7. La mayor parte del genoma eucarionte se transcribe
Se calcula que solo el 1.2 % de los genomas de mamíferos codifican
para proteínas1
Resultados de ENCODE indican más del 90% del genoma humano se
transcribe2
El RNA no ribosomal y no mitocondrial constituye del 50 al 65% del
contenido total de RNA de la célula (sin considerar exones)3
Recientemente se demostró que al menos 5.5 % del genoma humano
esta bajo presión selectiva4
Las ultimas observaciones del proyecto ENCODE demuestran que
~75% del genome se transcribe5
1Cheng. Transcriptional
‘ maps of 10 human chromosomes at 5-nucleotide resolution. Science (2005)
2ENCODE Project Consortium et al. Identification and analysis of functional elements in 1% of the human genome
by the ENCODE pilot project. Nature (2007)
3Kapranov et al. The majority of total nuclear-encoded non-ribosomal RNA in a human cell is 'dark matter' un-
annotated RNA. BMC Biol (2010)
4Lindblad-Toh et al. A high-resolution map of human evolutionary constraint using 29 mammals. Nature (2011)
Djebali et al. Landscape of transcription in human cells. Nature. (2012)

8. Sólo el 1.2% de nuestro DNA codifica proteínas
pero ~75% se transcribe a RNA!??
¿Qué hace todo el resto del RNA?

9. El dogma central de la biología molecular
DNA RNA Proteína

10. El dogma central de la biología molecular
DNA RNA Proteína

11. Mismos materiales, estructuras diversas
DNA
Proteína
RNA

12. Proteínas homólogas, organismos diversos
DNA Proteína
RNA

13. Proteínas homólogas, organismos diversos
DNA Proteína
Es posible construir distintas
estructuras utilizando los mismos
RNA componentes pero
ensamblandolos de forma
diferente

14. Más datos que corroboran esta teoría
Los RNAs no codificantes son expresados en tejidos, regiones y
procesos específicos
Mercer et al. Specific expression of long noncoding RNAs in the mouse brain. PNAS USA (2008)
Se ha demostrado que varios RNAs no codificantes desempeñan
funciones regulatorias en la célula (pe enhancers, Xist)
La mayor parte de la variabilidad en los organismos se concentra en
áreas que no codifican para proteínas
La variaciones en secuencias de RNA son mejor toleradas, menos
deletéreas y evolucionan más rapidamente que en secuencias protéicas

15. Procesos en los que el RNA está involucrado
Modificaciones epigenéticas
Establecimiento de dominios
de heterocromatina
Organización de dominios en
el DNA
Transcripción antisentido
Splicing
Traducción y regulación de
mRNAs
Regulación a nivel
chromosomal
Activación de transcripción
Figura adaptada de Amaral et al. Science, 2008

16. ¿Qué implica esto?
Que una gran parte del
RNA presente en la célula
es funcional y esta
involucrado en procesos de
regulación (incluidos
diferenciación y desarrollo)

17. The rise of the sequencing machines !
2005
2009
2007 2011
2011

18. The rise of the sequencing machines !
2005
Estas nuevas tecnologías nos permiten 2009
detectar la mayor parte de los RNAs
pequeños presentes en una muestra biológica
2007 en un 2011 experimento!
solo
2011

19. La explosión de la secuenciación

20. La explosión de la secuenciación

21. ¿Por qué usamos bioinformática?

22. ¿Por qué usamos bioinformática?
La bioinformática es el uso y desarrollo de herramientas computacionales
para analizar datos biológicos
La cantidad de información contenida en la célula en forma de DNA, RNA,
proteínas y metabolitos es enorme (miles de millones)
Las nuevas tecnologías nos permiten obtener esta información en paralelo
La bioinformática nos permite analizar esta enorme cantidad de información
e identificar patrones puntuales o globales en este tipo de datos de manera
automatizada, medible y reproducible

23. ¿Por qué estudiar RNAs pequeños?
Pequeños pero poderosos (menos de 40 nt)
Reguladores maestros de los niveles de mRNA en la
célula (miRNAs)
“ G u a rd i a n e s ” d e l g e n o m a ( re p re s i ó n d e
transposones por piRNAs y protección anti-viral por
siRNAs)
Ajustan de forma dinámica una gran variedad de
procesos biológicos (desarrollo, cáncer, diabetes, etc)
Definitivamente no codificantes
Debido a su tamaño, generalmente funcionan a
través de complementariedad de bases
Son fáciles de detectar usando secuenciación masiva
Se han encontrado distintas clases de estos RNAs en
todos los organismos vivos (miRNAs, siRNAs,
CRISPR’s etc)
Luigi N’ Titi Arts

24. Primeros ejemplos de miRNAs
Ya se sabía que los siRNAs actuaban como represores de secuencias complementarias
Se encontró que el gen lin-4 codificaba para un RNA pequeño (C. elegans)
Después se observó que se originaban de secuencias con hairpins, además de que
estaban conservados e involucrados en el desarrollo (como let-7)

25. Los miRNAs regulan la expresión génica
mRNA target site
5’
3’
5’
miRNA “seed” (2-8 nt)
3’
microRNA
Hutvagner and Simard. NRMCB (2008)

26. Todo empieza con una pregunta ...
O varias ... (enero 2008)
¿Porqué muchas de los RNAs
pequeños que secuenciamos no
mapean al genoma?
¿Porqué a veces vemos colas de
nucleótidos en ciertos microRNAs?
¿Son errores o son señales de un
proceso biológico?
¿Cómo lo probamos?

27. ¿Qué puede ser?
1. Errores de secuenciación
2. Artefactos generados durante la preparación de
librerías
3. Variaciones biológicas de los microRNAs (isomiRs)

28. ¿Qué es un IsomiR?
Término acuñado por Morin et. al en 2008
Es una variante de un microRNA que tiene cambios o adiciones de
nucleótidos
El tipo mas común son adiciones de mononucleótidos (generalmente
adenosinas o uracilos) en el extremo 3’ del microRNA
Aunque menos comunes, también puede haber variaciones en el extremo 5’
del microRNA y cambios internos, generalmente causados por conversión de
adenosinas a inosinas

29. ¿Qué se ha hecho? (isomiRs)
Existían reportes de adición de adeninas y uridinas en el
extremo 3’ en plantas y animales*, este tipo de adiciones
ocurren después de ser procesados por Dicer en Arabidopsis
thaliana (Li et al. 2005), y vuelven a los miRNAs menos
susceptibles a degradación en Populus trichocarpa (Lu et al. 2009)
Se ha demostrado que la proteína GLD-2 adenila miR-122 en
células humanas y en hígado de ratón, lo que también
incrementa la estabilidad de este miRNA (Katoh et al. 2009)
Zcchc-11 uridila miR-26 en células epiteliales de ratón,
impidiendo así la represión de IL-6 (Jones et al. 2009)
* Li et al. 2005, Landgraf et al. 2007, Ruby et al. 2007, Azuma-Mukai et al. 2008, Morin et al. 2008,
Seitz et al. 2008, Ebhardt et al. 2009, Lu et al. 2009

30. ¿Qué se ha hecho?
En este momento ya se sabía que las distintas tecnología de
secuenciación tenían distintas fuentes de errores
La mayoría de estos errores se concentran en el extremo 3’
de la secuencia
Ciertas tecnologías, particularmente 454, tienen tendencia a
tener regiones extendidas de mononucleótidos que no están
presentes en la secuencia original
Las tasas de error en estas tecnologías son mayores a las
reportadas por las compañías que las generan

31. ¿Cómo lo investigamos?
Buscar este tipo de variaciones en diferentes grupos de datos
de secuenciación (en este caso públicos)
Tratar de dicernir entre errores de secuenciación y posibles
señales biológicas
Buscar si el patrón es similar en distintas réplicas (técnicas y
biológicas)
Analizar si estas modificaciones están presentes en librerías
sintéticas

32. ¿Cómo buscar?
acinú renam ed )x5( roiretna osap rareti
senoicida e raepam noreidup
Remover adaptadores Mapear al genoma sin
naepam saicneuces
Extraer datos de Gene
sus a odreuca ed es on euq saicneuces
y limpiar datos de permitir bases no
sal sadot selauc sol
Expression Omnibus
saicneuces racifisalC ed '3 omertxe le
secuencias apareadas
ne sANRim racifitnedI ne oditóelcun nu ratroC
(NCBI)
irrelevantes (mismatches)
setnavelerri )sehctamsim(
)IBCN(
Identificar miRNAs en
saicneuces Cortar un nucleótido en
sadaerapa
Clasificar secuencias el extremo 3' de
subinmO noisserpxE
los cuales todas las
ed sotad raipmil y on sesab ritimrep
de acuerdo a sus secuencias que no se
eneG ed sotad reartxE
secuencias mapean
serodatpada revomeR nis amoneg la raepaM
adiciones pudieron mapear e
de maner única iterar paso anterior (5x)
Calcular porcentaje de
Extraer y graficar
la librería
resultados arriba de Interpretar resultados
representado por cada
nuestro límite
tipo de isomiR

33. ¿Cómo buscar?
acinú renam ed )x5( roiretna osap rareti
senoicida e raepam noreidup
Remover adaptadores Mapear al genoma sin
naepam saicneuces
Extraer datos de Gene
sus a odreuca ed es on euq saicneuces
y limpiar datos de permitir bases no
sal sadot selauc sol
Expression Omnibus
saicneuces racifisalC ed '3 omertxe le
secuencias apareadas
ne sANRim racifitnedI ne oditóelcun nu ratroC
(NCBI)
irrelevantes (mismatches)
setnavelerri )sehctamsim(
)IBCN(
Identificar miRNAs en
saicneuces Cortar un nucleótido en
sadaerapa
Clasificar secuencias el extremo 3' de
subinmO noisserpxE
los cuales todas las
ed sotad raipmil y on sesab ritimrep
de acuerdo a sus secuencias que no se
eneG ed sotad reartxE
secuencias mapean
serodatpada revomeR nis amoneg la raepaM
adiciones pudieron mapear e
de maner única iterar paso anterior (5x)
Calcular porcentaje de
Extraer y graficar
la librería
resultados arriba de Interpretar resultados
representado por cada
nuestro límite
tipo de isomiR

34. Predicción de genes regulados por miRNAs
De#aquí#obtuve#las# Este#programa#predice# Esta#herramienta#genera#
anotaciones# que#genes#son# estadís9cas#de#un#grupo#
reprimidos#por#ciertos# de#genes#en#Drosophila,#
canónicas#de#los# microRNAs,#lo#u9licé# y#reporta#aquellos#
microRNAs#para#así# para#iden9ficar#genes# terminos#funcionales#
poder#iden9ficar#a# regulados#por# que#estan#enriquecidos#
los#isomiRs# microRNAs#que#9ene#un# significa9vamente#en#
gran#número#de#isomiRs# este#grupo#de#genes#en#
par9cular#
mRNA target site
5’
3’
5’
3’
microRNA

35. ¿Cómo buscar?
En breve utilicé una serie de herramientas disponibles, junto con
scripts en perl, bash y grafiqué los datos en R, además de otras
herramientas como Bowtie, FlyMine y TargetScan
La manera de cuantificar los datos es solo porcentaje de expresión
de cada isomiR o miRNA canónico
Artículos recientes que estudian isomiR en otros organismos utilizan
esta misma métrica, probablemente debido a que hasta ese
momento existian pocos estudios de referencia en esta área

36. Adiciones en microRNAs de Drosophila
Female/male heads
Female/male bodies
Embryo 0-1 hrs
Embryo 2-6 hrs
Embryo 6-10 hrs
Imaginal discs

37. Breve recordatorio de isomiRs

38. d oogen-
Los IsomiR-As son abundantes en etapas tempranas del
ing that
dditions
ment. desarrollo de Drosophila melanogaster
template
ologically
her such
espect to
opmental
how that
ange dy-
pment in
nner, and
ast eight
nd devel-
ilable D.
sequenc-
e Roche/
llumina
he latter
eplicates
used our

39. Cálculo del porcentaje de expresión por miRNA loci
isomiR-A Secuencias con una o más adenosinas en su extremo 3’
isomiR-C Secuencias con una o más citosinas en su extremo 3’
isomiR-G Secuencias con una o más guanosinas en su extremo 3’
canónico Secuencias iguales a las anotadas en miRBase
isomir-U Secuencias con una o más uracilos en su extremo 3’
Porcentaje de
# de secuencias de interés expresión de
= cierta variante en
# Ca + # A + # U + # C + # G
cierto microRNA

40. Los IsomiRs-As son específicos de ciertos miRNAs y
rg on October 2, 2010 - Published by Cold Spring Harbor Laboratory Press
abundantes en etapas tempranas del desarrollo en
Drosophila
IsomiR regulation in Drosophila development
FIGURE 2. miRNAs with abundant isomiR-As. MicroRNAs with >15% of their total
expression driven by a single isomiR-A tag in at least one time point are shown. Data are

41. Adiciones en el miRNA miR-282

42. Los genes reprimidos por los miRNAs ricos en IsomiR-As
actúan en etapas tardías del desarrollo
Downloaded from rnajournal.cshlp.org on October 2, 2010 - Published by Cold Spring Harbor
IsomiR regulatio
De#aquí#obtuve#las# Este#programa#predice# Esta#herramienta#genera#
anotaciones# que#genes#son# estadís9cas#de#un#grupo#
canónicas#de#los#
reprimidos#por#ciertos# de#genes#en#Drosophila,#
TABLE 1. Target site Gene Ontology enrichment for miRNAs with abundant isomiR-As
naute comp
microRNAs,#lo#u9licé# y#reporta#aquellos#
microRNAs#para#así# para#iden9ficar#genes# terminos#funcionales# to subcellul
poder#iden9ficar#a#
GO ID GO description
regulados#por# Number of genes (%*) P-value
que#estan#enriquecidos# choice or th
los#isomiRs# microRNAs#que#9ene#un# significa9vamente#en#
À4 Overall, the
GO:0007435 Salivary glandgran#número#de#isomiRs#
morphogenesis este#grupo#de#genes#en#
4(19) 4.28 3 10
GO:0022612 Gland morphogenesis 4(19) par9cular# 3 10À4
4.28 ations in m
GO:0007431 Salivary gland development 4(19) 7.59 3 10À4 be depend
GO:0035272 Exocrine system development 4(19) 7.59 3 10À4 anatomic cu
GO:0048732 Gland development 4(19) 1.27 3 10À3
GO:0009653 Anatomical structure morphogenesis 9(43) 1.93 3 10À3
miRNA exp
GO:0002165 Instar larval or pupal development 5(24) 3.61 3 10À3 mRNA alter
GO:0009791 Post-embryonic development 5(24) 4.39 3 10À3 The fact
GO:0009888 Tissue development 5(24) 6.62 3 10À3 adenylation
GO:0045449 Regulation of transcription 6(29) 7.17 3 10À3 of different
(*) Percentage calculated over the 21 genes that have Gene Ontology term annotation. single geno
the possibil

43. Un momento ... ¿y los posibles errores?
Librería pública
Plataforma - Illumina
473 RNAs humanos
sintéticos
Si estas adiciones son
causadas por errores
en la preparación de la
librería o por errores
de secuenciación,
deberíamos detecterlos
aquí también
¡Esto significa que las
modificaciones son
biológicas!
!
Figure S6. Counts of unmodified and isomiR tags of 473 synthetic human miRNA libraries. The
raw tag counts (abundance) of unmodified (blue), isomiR-As (red), isomiR-Us (purple), isomiR-Cs

44. Conclusiones de este estudio
Los isomiRs con colas de adenosinas (isomiR-As) son más
abundantes en etapas tempranas el desarrollo de Drosophila
melanogaster
Hay un subgrupo específico de microRNAs que tiene una gran
cantidad de isomiR-As en etapas tempranas del desarrollo de
Drosophila
miRNAs que tiene un gran número de isomiR-As reprimen
genes activos durante etapas tardías del desarrollo

45. ¿Que necesito saber para investigar RNAs?
Una pregunta
Conocimiento previo (que se sabe?)
Genomas (si los hay!)
Datos de secuenciación
Programas de mapeo
Programas de conteo
Programas de ensamblaje
Metodo de visualización (genome browser)
Habilidades de programación
Conocimientos estadísticos

46. A dónde te puede llevar la genómica
1ra generación: Azul
2da generación: Rojo
3ra generación: Verde
4ta generación: Cian
5ta generación: Amarillo

47. Miembros previos Mattick Lab
Agradecimientos Martin Hansen Ryan Taft
John Mattick
A todos y cada uno de los miembros del Mattick lab