Visión General
El análisis de expresión diferencial (DE) es el núcleo estadístico de la transcriptómica, determinando qué genes muestran cambios significativos en la expresión entre condiciones experimentales. Ya sea comparando células tratadas versus no tratadas, tejido tumoral versus normal, o muestras de series temporales, el análisis DE transforma datos crudos de recuento en conocimiento biológico. El desafío radica en distinguir las señales biológicas verdaderas del ruido técnico, teniendo en cuenta la carga de pruebas múltiples inherente a las mediciones genómicas. Los métodos DE modernos utilizan modelos estadísticos sofisticados que han sido evaluados exhaustivamente en conjuntos de datos reales y simulados.
Métodos
El análisis DE típicamente comienza con una matriz de recuento de lecturas por gen por muestra. Los métodos de normalización (TMM, RLE o normalización por cuantiles) ajustan por tamaño de biblioteca y sesgos composicionales. Las herramientas populares incluyen DESeq2, que modela los recuentos con una distribución binomial negativa y utiliza estimación por contracción para la dispersión; edgeR, que utiliza métodos bayesianos empíricos; y limma-voom, que aplica modelado lineal a recuentos transformados logarítmicamente con ponderaciones de precisión. Para organismos no modelo o experimentos sin un genoma de referencia, herramientas como Sailfish o Kallisto realizan cuantificación sin alineamiento. Los resultados se resumen como cambios logarítmicos (log2 fold change) y valores p ajustados (corrección de Benjamini-Hochberg). El análisis de componentes principales (PCA) y los mapas de calor proporcionan vistas globales de los patrones de expresión.
Aplicaciones
El análisis DE es central en prácticamente todo estudio transcriptómico. Identifica biomarcadores para diagnóstico y pronóstico de enfermedades, revela mecanismos de acción de fármacos y caracteriza respuestas celulares a estímulos ambientales. En entornos clínicos, el análisis DE de biopsias de pacientes puede estratificar cánceres para terapia dirigida. El método está estrechamente relacionado con los experimentos de validación mediante RT-PCR, que confirman genes candidatos, y se basa en técnicas de microarrays de ADN y expresión génica. Los resultados de DE también alimentan el análisis de enriquecimiento de conjuntos génicos (GSEA) para identificar vías y categorías funcionales afectadas.
