Study of gene expression regulation with spatial segregation and weak ties models

Abstract

Genes located close to each other in the linear genome often participate in common regulatory programs. This work proposes a novel approach for the study of gene expressionςthat identifies areas in the genome that share common expression patterns (Domains of Focal Deregulation, DFDs) along with the functional enrichments of the genes located therein. This topological and functional information is combined via structures from graph theory, topological-functional bipartite networks. In the first part of this work, this methodology is applied to full transcriptome RNASeq data from prolonged Tnf exposure to mouse synovial fibroblasts. Our analysis uncovers two distinct transition phases. Early on there appears to be an inflammatory response, later converted to enrichments related to cell adhesion and developmental functions. Bipartite networks pinpoint the observed effects to specific regions in the genome. In the second part we refined and applied this method on a larger, published dataset, generalizing the core concepts to be applicable with minimal modification on various RNASeq data. The experiments were divided in the original publication into four major cell types. We attempted to classify the samples into their cell type using input from our genome segmentation, to highlight the biological significance and show that the DFDs produced by segmentation are characteristic to the system in question. Our pipeline is divided in distinct modules, allowing users to deploy the code on their own data.

Γονίδια που βρίσκονται κοντά μεταξύ τους στο γραμμικό γονιδίωμα συχνά συμμετέχουν σε κοινά ρυθμιστικά πρότυπα. Η παρούσα εργασία προτείνει μια νέα προσέγγιση για τη μελέτη της γονιδιακής έκφρασης, η οποία εντοπίζει περιοχές στο γονιδίωμα που μοιράζονται κοινά μοτίβα έκφρασης (Περιοχές Εστιακής Απορρύθμισης, Domains of Focal Deregulation, DFDs) μαζί με τους λειτουργικούς εμπλουτισμούς των γονιδίων που βρίσκονται εκεί. Αυτές οι τοπολογικές και λειτουργικές πληροφορίες συνδυάζονται μέσω δομών από τη θεωρία γράφων, δημιουργώντας διμερή χωρικά-λειτουργικά δίκτυα.Στο πρώτο μέρος αυτής της εργασίας, η μεθοδολογία αυτή εφαρμόστηκε σε δεδομένα πλήρους μεταγραφώματος (RNAseq) από παρατεταμένη έκθεση σε TNF σε αρθρικούς ινοβλάστες ποντικού. Η ανάλυσή μας αποκαλύπτει δύο διακριτές φάσεις μετάβασης. Αρχικά, φαίνεται να υπάρχει μια φλεγμονώδης απόκριση, η οποία αργότερα μετατρέπεται σε εμπλουτισμούς που σχετίζονται με την κυτταρική γειτνίαση και τις αναπτυξιακές λειτουργίες. Τα διμερή δίκτυα εντοπίζουν τα παρατηρούμενα αποτελέσματα σε συγκεκριμένες περιοχές του γονιδιώματος.Στο δεύτερο μέρος, βελτιώσαμε και εφαρμόσαμε τη μέθοδο αυτή σε ένα μεγαλύτερο δημοσιευμένο σύνολο δεδομένων, γενικεύοντας τις βασικές έννοιες ώστε να μπορούν να εφαρμοστούν με ελάχιστες τροποποιήσεις σε ποικίλα δεδομένα RNAseq. Τα πειράματα χωρίστηκαν στην αρχική δημοσίευση σε τέσσερις κύριους τύπους κυττάρων. Προσπαθήσαμε να κατατάξουμε τα δείγματα στον τύπο κυττάρου τους χρησιμοποιώντας πληροφορίες από την κατάτμηση του γονιδιώματός μας, για να επισημάνουμε τη βιολογική σημασία και να δείξουμε ότι τα DFDs που παράγονται από την κατάτμηση είναι χαρακτηριστικά του συστήματος που μελετάμε. Το pipeline μας χωρίζεται σε ξεχωριστά modules, επιτρέποντας στους χρήστες να χρησιμοποιήσουν τον κώδικα στα δικά τους δεδομένα.