Visión General
El análisis de enriquecimiento de vías determina si conjuntos de genes predefinidos, que representan vías biológicas, categorías funcionales o procesos celulares, están estadísticamente sobrerrepresentados en una lista de genes derivados experimentalmente. Este enfoque transforma una larga lista de genes expresados diferencialmente en temas biológicos interpretables, ayudando a los investigadores a pasar de “¿qué genes cambiaron?” a “¿qué procesos están afectados?”. El principio fundamental es que si una vía es relevante para la condición en estudio, aparecerán más genes miembros en la lista de genes del usuario de lo esperado por azar.
Métodos
Los métodos más utilizados incluyen la prueba exacta de Fisher (o prueba hipergeométrica), que evalúa la superposición entre la lista de genes y un conjunto de genes de una vía en relación con un fondo definido. El Análisis de Enriquecimiento de Conjuntos de Genes (GSEA) evita umbrales de significación arbitrarios clasificando todos los genes por una métrica de expresión diferencial y probando si los miembros de la vía se agrupan en la parte superior o inferior de la lista clasificada. La corrección por pruebas múltiples, típicamente la tasa de falsos descubrimientos de Benjamini-Hochberg, es esencial porque se evalúan cientos de vías simultáneamente. Bases de datos de vías curadas como KEGG, Reactome y Gene Ontology proporcionan los conjuntos de genes de referencia.
Aplicaciones
El enriquecimiento de vías es un paso rutinario en estudios de transcriptómica, proteómica y metabolómica. Vincula los resultados de expresión diferencial de experimentos de microarrays de ADN y expresión génica con la biología funcional. Los investigadores del cáncer lo utilizan para identificar vías desreguladas como la glucólisis o el ciclo del ácido cítrico, y revela cómo la regulación génica y epigenética recablea los programas celulares en enfermedades. El análisis de enriquecimiento también guía el descubrimiento de biomarcadores destacando vías comunes a vías metabólicas que están perturbadas en muestras de pacientes.
Protocolo Práctico
Para el análisis de sobrerrepresentación (ORA) usando clusterProfiler en R, comience con una lista de genes expresados diferencialmente (ej., padj < 0.05, |log2FC| > 1). Cargue el paquete y realice el enriquecimiento GO: library(clusterProfiler); ego <- enrichGO(gene = de_genes, OrgDb = org.Hs.eg.db, keyType = "SYMBOL", ont = "BP", pAdjustMethod = "BH", pvalueCutoff = 0.05, qvalueCutoff = 0.2). El parámetro ont puede ser “BP” (Proceso Biológico), “MF” (Función Molecular) o “CC” (Componente Celular). Para el enriquecimiento de vías KEGG, convierta los símbolos de genes a IDs Entrez: ekegg <- enrichKEGG(gene = entrez_ids, organism = "hsa", pvalueCutoff = 0.05). Visualice los resultados con dotplot(ego, showCategory = 20), que muestra la proporción de genes, el valor p ajustado y el recuento de genes por categoría. La función barplot proporciona una vista alternativa. Para el análisis de enriquecimiento de conjuntos de genes (GSEA), prepare una lista de genes clasificados ordenados por log2 del cambio de expresión: genelist <- sort(results$log2FoldChange, decreasing = TRUE); names(genelist) <- rownames(results). Ejecute GSEA usando gseGO(geneList = genelist, OrgDb = org.Hs.eg.db, keyType = "SYMBOL", ont = "BP", minGSSize = 10, maxGSSize = 500, pvalueCutoff = 0.05). GSEA no requiere un umbral de significancia, lo que lo hace sensible a cambios coordinados pero modestos en todos los miembros de la vía. La función gseaplot2 visualiza la puntuación de enriquecimiento en ejecución para una vía específica. Para el análisis basado en web, use Enrichr: pegue una lista de genes en https://maayanlab.cloud/Enrichr, seleccione bibliotecas (KEGG, GO, WikiPathways) y descargue la tabla de puntuación combinada. La puntuación combinada es el producto del valor p transformado logarítmicamente y el puntaje z, clasificando las vías tanto por significancia como por dirección del cambio. Siempre exporte los resultados como CSV con columnas para ID de vía, descripción, proporción de genes, valor p, valor p ajustado y la lista de genes superpuestos.
