1 / 34

Transcriptómica en Plantas: De la expresión a la función génica

Transcriptómica en Plantas: De la expresión a la función génica. Luis Destefano-Beltrán. Transcriptoma. Conjunto de todos los ARNm o transcritos presentes en un determinado momento en una célula o poblacion de células o organismo.

baby
Download Presentation

Transcriptómica en Plantas: De la expresión a la función génica

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Transcriptómica en Plantas: De la expresión a la función génica Luis Destefano-Beltrán

  2. Transcriptoma • Conjunto de todos los ARNm o transcritos presentes en un determinado momento en una célula o poblacion de células o organismo. • Puede variar dependiendo de las condiciones fisiológicas, ambientales, etc. • Transcriptómica: conjunto de tecnologías que estudian al transcriptoma

  3. La más desarrollada de todas las subdisciplinas de la • Genómica (las llamadas “ómicas” que incluyen a la • proteómica, ionómica, metabolómica, etc. • Se basa en la idea que el catálogo de todos los • transcritos asociados con un tratamiento o con un • estado de desarrollo específico proporciona una • visión de conjunto razonable del proceso biológico • subyacente. • Permite la identificación de potenciales elementos • regulatorios que actuén en cis basados en su sobre • representación en los promotores de genes co- • expresados Transcriptómica

  4. Puede ayudar a encontrar algún rol biológico a genes • anotados equivocadamente o desconocidos basados • en su co-expresión con genes conocidos. • El entendimiento de las consecuencias biológicas de • los patrones de expresión génicas unido a nuestro • conocimiento cada vez mayor de las funciones de • genes individuales resultará en una imagen más • molecular, dinámica y detallada de un organismo. • Este conocimiento nuevo y el derivado de las otras • subdisciplinas “ómicas” permitirá en el futuro hacer • simulaciones in silico del desarrollo, crecimiento y de • la respuesta al ambiente Transcriptómica

  5. Ejemplos de tecnologías para estudiar el Transcriptoma • Secuenciamiento de genotecas de cDNA: Venter et al. (1991) secuenciaron 600 clones de cDNA’s escogidos al azar de una genoteca de cerebro, 337 eran genes nuevos. Introdujeron el término EST: 400-600 bp y con 2% de error (single pass). En 1992 se establece el banco de datos dbEST. EST’s constituyen 2/3 de las entradas en GenBank. En 1994 se introduce la normalización de los cDNA’s. En 1996 se mejoran las genotecas con la normalización y la susbstracción de los EST ya estudiados. Full-insert cDNA sequencing

  6. Cont . . . • Serial Analysis of Gene Expression (SAGE). Basado en el secuenciamiento de fragmentos cortos de cDNA – de 9 a 17 pb- derivados del extremo 3’ y que han sido ligados para formar grandes concátemeros. Asume que la abundancia de un “tag” determinado correlaciona con la abundancia del transcrito del que se originó.

  7. Anchoring Enzyme: Nla III Tagging Enzyme: Fok I

  8. Plant Physiology 133,1397-1406

  9. Cont . . . • Total Gene Expression Analysis (TOGA) : Sutcliffe et al, (2000), PNAS 97, 1976-1981. • Massive Parallel Signature Sequencing (MPSS) : Brenner et al. (2000), Nature Biotech 18, 630-634. • cDNA-AFLP: Bachem et al. (1996) Plant J. 9, 745-753.

  10. Cont . . . • Tangerine Metsis et al. (2004), NAR 32, e127 • GeneCalling Shimkets et al., (1999), Nature Biotech. 17, 798-803. • Hibridación Substractiva Diatchenko et al., (1996), PNAS 93, 6025-6030

  11. Cont . . . • Macroarreglos: basadas en membranas de nylon.

  12. Relative signal intensity of each spot in control leaf sample (C) was plotted against that in sulfur-starved leaf sample (–S). The data for the spots on the membranes C and D were combined for this plot. Black line and red broken line represent the linear regression line (y = 0.85x + 2.15, R2 = 0.84) and the diagonal line (y = x), respectively.

  13. Cont . . . • Microarreglos cDNAs: Schena et al., 1995, Science, 270: 467-470 Oligonucleótidos cortos (15-25) : Lipshutz et al. 1995, Biotechniques 19: 442-447. Oligonucleótidos largos (50-120) : Wang et al, 2003, Genome Biology 4: R5.

  14. Por supuesto que no todos los cambios en la expresión génica se reflejan en cambios en los niveles de transcritos.

  15. Gygi et al. (1999) Correlation between protein and mRNA abundance in yeast. Mol Cell Biol 19: 1720-1730.

  16. Pearson product moment correlation: covariance/ SD1 x SD2

More Related