Resumen

La existencia de secuencias genómicas completas hace que sea importante desarrollar diferentes enfoques para la clasificación de conjuntos de datos a gran escala y facilitar la extracción de conocimientos biológicos. Aquí proponemos un enfoque para la clasificación de proteomas/conjuntos de proteínas completos basado en las distribuciones de proteínas en algunos atributos básicos. Demostramos la utilidad de este enfoque determinando las distribuciones de proteínas en términos de dos atributos: longitudes de proteínas y contenido de desorden intrínseco (ID) de proteínas. Las distribuciones de proteínas basadas en L e ID se estudian para organismos proteómicos representativos y conjuntos de proteínas de los tres dominios de la vida. A continuación, se construyen los mapas bidimensionales (denominados aquí huellas dactilares) a partir de las densidades de distribución de proteínas en el espacio LD definido por ln(L) e ID. Las huellas dactilares de diferentes organismos y conjuntos de proteínas son distintas entre sí, por lo que pueden utilizarse en estudios comparativos. Como caso de prueba, se han construido árboles filogenéticos basados en las densidades de distribución de proteínas en las huellas dactilares de proteomas de organismos sin realizar ninguna comparación de secuencias de proteínas ni alineamientos. Los árboles filogenéticos generados son biológicamente significativos, demostrando que las distribuciones de proteínas en el espacio LD pueden servir como señales filogenéticas únicas de los organismos a nivel del proteoma.

• Materias:Ácido ribonucleico (ARN) Biosíntesis Biogénesis Genética vegetal Genómica
• Subjects:Ribonucleic acid (RNA) Biosynthesis Biogenesis Plant genetics Genomics
• Palabras claves:distribuciones de proteínas, densidades de distribución de proteínas, conjuntos de proteínas, huellas dactilares, espacio LD, árboles filogenéticos, secuencias genómicas completas, contenidos intrínsecos de desorden, comparación de secuencias de proteínas, organismos proteómicos representativos
• Keywords:protein distributions, protein distribution densities, protein sets, fingerprints, LD space, phylogenetic trees, complete genome sequences, intrinsic disorder contents, protein sequence comparison, representative proteome organisms