Identification of stress-responsive genes in differential co-expression networks
Loading...
Date
2023
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Abstract
Comprender como los organismos responden al estres ambiental es crucial en el campo de la biologia. Los genes que responden al estres desempenan un papel fundamental en esta adaptacion y su identificacion es un desafio significativo. Los enfoques tradicionales para encontrar estos genes tienen limitaciones para capturar las complejas interacciones geneticas que gobiernan las respuestas al estres. Esta tesis introduce el flujo de trabajo de Integracion de Datos de Control-Estres con Agrupacion Superpuesta (CSI-OC por sus siglas en ingles). La aproximación propuesta combina metodos estadisticos y basados en redes para identificar genes que responden al estres. Utiliza metricas de cambio en la expresion genica y construye redes de coexpresion diferencial para analizar las interacciones genicas. Su caracteristica mas distintiva es la capacidad de detectar modulos de genes superpuestos y seleccionar aquellos relacionados con rasgos fenotipicos. El flujo de trabajo se aplica en arroz y cana de azucar, dos cultivos importantes en la agricultura, revelando genes clave relacionados con la respuesta a estres. Estos modulos superpuestos resultan vitales para comprender las redes de co-expresion y la respuesta al estres. La experimentacion con datos sinteticos valida la fiabilidad del flujo de trabajo. En ultima instancia, esta disertacion enriquece el campo de la biologia al proporcionar una herramienta analítica solida para identificar genes que responden al estres. La deteccion de modulos superpuestos representa un progreso notable, reflejando la intrincada dinamica de las interacciones genicas. Ademas, las aplicaciones potenciales de este flujo de trabajo se extienden mas alla de la biología y abarcan areas como la economia y las ciencias sociales, donde entender las interacciones es clave para comprender los fenomenos sistemicos.
Description
item.page.descriptioneng
Understanding how organisms respond to environmental stress is crucial in the field of biology. Stress-responsive genes play a pivotal role in this adaptation and their identification is a significant challenge. Traditional approaches to find these genes has limitations in capturing the complex genetic interactions governing stress responses. This thesis introduces the Control-Stress Data Integration with Overlapping Clustering (CSI-OC) Workflow. The proposed approach combines
statistical and network-based methods to identify stress-responsive genes. It uses gene expressionchange metrics and constructs differential co-expression networks to analyze gene interactions. Its most distinctive feature is the ability to detect overlapping gene modules and select those related to phenotypic traits. The workflow is applied in rice and sugarcane, two important crops in agriculture, unveiling key genes related to stress response. These overlapping modules prove vital in understanding co-expression networks and stress response. Experimentation with synthetic data validates the workflow’s reliability. Ultimately, this disertation enriches the field of biology by providing a robust analytical tool for identifying stress-responsive genes. The detection of overlapping modules makes a notable progression, mirroring the intricate dynamics of gene interactions. Moreover, the potential applications of this workflow extend beyond biology, encompassing areas like economy and social sciences, where understanding interactions is key to comprehending systemic phenomena.