Portal web para la identificación de proteínas mediante análisis de imágenes de geles 2D.

Puede ver una presentación comercial del producto pulsando aqui.

Introducción

En el entorno clínico actual cada vez es más habitual el diagnóstico de enfermedades a nivel proteico. Analizando las diferencias de expresión entre las proteínas presentes en una muestra de un paciente sano y una de un paciente enfermo, se puede concluir un determinado diagnóstico.

Estas imágenes de proteínas se obtienen del siguiente modo: se extrae una muestra de proteínas de un paciente, generalmente de una célula, un tejido o un fluido. Esta muestra se somete a un proceso denominado Electroforesis 2D. Éste es un potente mecanismo de diagnóstico médico basado en la separación y análisis de proteínas. Para ello, se colocan las proteínas en un gel de poliacrilamida, y se separan en un patrón bidimensional, según su carga eléctrica y peso molecular, tras aplicar una diferencia de potencial al gel. Como resultado de este proceso se obtienen imágenes similares a la de la figura.

A la hora de establecer un diagnóstico se dispone de una imagen máster que representa la distribución en el gel de una muestra de proteínas en condiciones habituales, esto es, correspondiente a un estado de salud normal. En este caso, las moléculas están etiquetadas con su nombre y se conoce la posición espacial de cada una. Por otro lado, se dispone de las imágenes de test (correspondientes al nuevo paciente), cuyas proteínas están en una posición espacial desconocida. Típicamente, se suele realizar el alineamiento de una imagen test con una maestra, para establecer así la correspondencia entre las proteínas. Posteriormente se establece la comparación que determinará el diagnóstico, basándose en las diferencias de expresión de las moléculas entre ambas imágenes.

Debido a la variabilidad intrínseca a los distintos procesos de electroforesis, pueden resultar imágenes con una correspondencia complicada a simple vista. De una imagen a otra, una proteína puede variar no sólo su posición, sino también su forma, tamaño e intensidad, e incluso puede no aparecer. En este punto, se hacen imprescindibles técnicas de computación para ayudar en el análisis de estas imágenes.

Motivación

En el estado de la cuestión actual, existen diversas aproximaciones computacionales que ofrecen una solución al problema. La mayor parte de ellas están dirigidas al alineamiento completo entre la imagen máster y la imagen test, realizando las transformaciones necesarias para que las proteínas de la imagen test queden superpuestas a sus correspondientes en la imagen máster.

Existen diversos paquetes comerciales que realizan este proceso (Nonlinear Dynamics Samespots, Decodon Delta2D, etc.), pero la imagen máster con la que realizan el alineamiento no está etiquetada. Por lo que para identificar las proteínas de interés después del alineamiento, hay que hacerlo de modo visual a partir de una versión etiquetada de la imagen máster.

Por otro lado, pese a que algunos métodos ofrecen resultados con altos porcentajes de acierto, en cuanto aumenta la complejidad de las imágenes a analizar los resultados no son tan precisos.

Descripción del sistema desarrollado

En el laboratorio RNASA se ha desarrollado un nuevo método de identificación de proteínas a partir de una imagen máster que facilitará el proceso de diagnóstico clínico.

Esta nueva técnica permitirá seleccionar las proteínas de interés en la imagen máster y localizarlas automáticamente en la imagen test. Para ello se han empleado una técnica de visión artificial denominada Block-Matching, que se basa en el emparejamiento entre regiones de dos imágenes en función de los valores de intensidad.

Este sistema se ha evaluado sobre imágenes reales de proteómica clasificadas en diversos niveles de dificultad. Los porcentajes de acierto obtenidos en la identificación de proteínas (99.51% para imágenes sencillas y 97.47% para imágenes de complejidad media) superan a los alcanzados por métodos de la literatura específica evaluados sobre el mismo banco de pruebas que el de este trabajo. Asimismo, los resultados siguen siendo buenos (85.45%) para imágenes de gran dificultad, que no suelen estar incluidas en los procesos de prueba de otras publicaciones.

Este mecanismo se ha integrado en un portal web en desarrollo cuyos objetivos fundamentales son:

De este modo, se pretende ofrecer a los investigadores en cáncer o enfermedades inflamatorias o degenerativas, un nuevo instrumento que facilitará y agilizará considerablemente su labor investigadora.