Bogotá - Ingeniería - Maestría en Bioinformática · 2025
Estrategia bioinformática para el análisis taxonómico y funcional de la microbiota subgingival de pacientes colombianos con periodontitis
El análisis de datos a partir de genes marcadores se ha centrado en estrategias bioinformáticas que agrupan diversas herramientas desarrolladas en los últimos años, incluyendo múltiples pasos. Esas estrategias se han utilizado para analizar la microbiota de la cavidad oral a partir de datos genómicos basados en marcadores como el gen 16S rRNA, sin embargo, existen pocos estudios que evalúen la microbiota oral en pacientes colombianos con periodontitis, de acuerdo con la última clasificación de la enfermedad, por lo que el objetivo del presente trabajo fue implementar la estrategia bioinformática más adecuada para el análisis taxonómico y funcional de datos metagenómicos del gen 16s rRNA, obtenidos a partir de muestras de placa subgingival de pacientes colombianos con periodontitis. Se determino realizar el análisis con QIIME2, que se caracteriza por ser de código abierto y en el cual se pueden realizar análisis a partir de datos de secuencias de amplicones incluyendo en su análisis demultiplexación y filtrado de calidad, asignación taxonómica por ASV, y reconstrucción filogenética, utilizando en complemento DADA 2. Adicionalmente se realizó predicción de la función con PICRUST2, a partir de los ASV identificados. Se concluyo que QIIME 2 es un framework que permite realizar análisis múltiples, lo que confirma su uso para análisis de comunidades microbianas, así mismo en la clasificación, el uso de base de datos especializadas como HOMD para evaluar la microbiota oral, permite focalizar los resultados al ambiente determinado, logrando una clasificación hasta el nivel de especie, evidenciaron microorganismos específicos más frecuentes asociados con periodontitis tales como Filifactor alocis, Fretibacterium, Eubacterium nodatum group, Eubacterium saphenum, Eubacterium brachy, Dialister invisus, Porphyromonas gingivalis, Desulfubulbus, Selenomonas, Sneathia, Treponema, Tannerella forythia y Parvimonas. El análisis con PICRUST2 permitió observar vías metabólicas que se asociaron principalmente con los grupos de periodontitis, lo que podría sugerir una alta actividad metabólica de los microorganismos asociados con esta condición clínica. (Texto tomado de la fuente)
Full text 69 pages with text
Read the full thesis Record in the repository
Contents
- Introducciónp. 10
- Capítulo 1p. 12
- 1.1 Marco teóricop. 12
- 1.1.1 Herramientas bioinformáticas para análisis de datos metagenómicosp. 12
- 1.2 Análisis de genes marcadoresp. 13
- 1.2.2 Preprocesamientop. 13
- 1.2.3 Análisis taxonómicop. 14
- 1.2.4 Análisis funcionalp. 16
- Capítulo 2p. 19
- 2.1 Estado del artep. 19
- 2.1.1 Enfermedad periodontalp. 19
- 2.1.2 Estudios de microbioma en cavidad oralp. 20
- Capítulo 3p. 23
- 3.1 Objetivosp. 23
- 3.1.1 Objetivo generalp. 23
- 3.1.2 Objetivos específicosp. 23
- Capítulo 4p. 24
- 4.1 Diseño Metodológicop. 24
- 4.2 Identificación de pasos y herramientas bioinformáticas para el análisis de datosp. 24
- 4.3 Instalación y configuración de herramientas bioinformáticasp. 24
- 4.3.1 Preprocesamiento, agrupación y clasificación taxonómicap. 24
- 4.3.2 Análisis de diversidadp. 25
- 4.3.3 Análisis de funcionalidadp. 25
- 4.3.4 Análisis estadísticosp. 25
- Implementación del flujo de trabajop. 25
- Capítulo 5p. 28
- 5.1 Resultados y discusiónp. 28
- 5.1.2 Selección de la estrategia a implementarp. 32
- 5.1.3. Implementación de la estrategiap. 34
- Capítulo 6p. 57
- 6.1 Conclusionesp. 57
- 6.2 Recomendacionesp. 58
- Anexo 1: Scriptp. 59
- Bibliografíap. 62
- Figura 1. Análisis de alfa y beta diversidad realizados en Qiime2p. 31
- Figura 2. Flujo de trabajo de PICRUST2 tomado de Douglas et al., 2020p. 32
- Figura 3 Representación de la calidad de las secuencias forward y reversep. 36
- datos SILVAp. 40
- datos HOMDp. 41
- datos SILVAp. 43
- la base de datos HOMDp. 44
- y los grupos de periodontitis, utilizando la prueba t de Welch. p < 0.05p. 46
- y los grupos de periodontitis, utilizando la prueba t de Welch. p < 0.05p. 46
- grupos de periodontitis, utilizando HOMD (prueba t de Welch. p < 0.05)p. 48
- periodontitis III-IV, utilizando HOMD (prueba t de Welch. p < 0.05)p. 49
- Figura 12. Curva de rarefacciónp. 50
- indice de Shannon. Comparaciones entre grupos con Kruskall Wallis **p<0.001, *p<0,05p. 51
- (arriba-derecha), Unifrac no ponderado (abajo-izquierda), Unifrac ponderado (abajo-derecha)p. 53
- Jaccard. ** p< 0.001p. 53
- salud/gingivitis y los grupos de periodontitisp. 56
- Tabla 1. Características generales asociadas a las secuencias seleccionadasp. 27
- Tabla 2. Resumen de pasos y herramientas utilizadas en la estrategia a implementarp. 33
- Tabla 3.Resumen de recuentos de secuencias demultiplexadasp. 35
- Tabla 4. Resumen de recuentos de secuencias posterior al control de calidadp. 36
- Tabla 5. Resumen de rangos de secuencias que se conservaron después de denoisingp. 37
- Tabla 6. Secuencias representativasp. 38
- aproximación utilizada y la base de datosp. 38
- Kruskall Wallis (p< 0.005)p. 51
- (PERMANOVA)p. 53
- con Picrust2p. 54