Ontología Génica y Bases de Datos Biológicas

La interpretación de genomas a gran escala requiere un lenguaje compartido y legible por máquinas para describir la función de los genes. La Ontología Génica proporciona dicho lenguaje —un vocabulario estructurado de funciones moleculares, procesos biológicos y ubicaciones celulares— mientras que bases de datos curadas como KEGG y Reactome suministran el conocimiento sobre rutas y reacciones frente al cual se interpretan los resultados genómicos.

Definition

La Ontología Génica es un vocabulario controlado estructurado y jerárquico que describe los atributos de los productos génicos en tres dominios —función molecular, proceso biológico y componente celular— y las bases de datos biológicas son repositorios curados (como KEGG, Reactome y recursos de asociación de proteínas) que almacenan conocimiento funcional, de rutas y de interacciones utilizado para anotar e interpretar datos genómicos.

Scope

Este tema abarca los vocabularios biológicos controlados y las principales bases de conocimiento que almacenan información funcional y de rutas curada: la estructura y el uso de la Ontología Génica, cómo se anotan los genes a términos de ontología con códigos de evidencia, y el papel de las bases de datos de rutas e interacciones. Es un tema de referencia y educativo y no proporciona orientación clínica.

Core questions

• ¿Cómo se puede describir la función de un producto génico de manera consistente y computable?
• ¿Qué abarcan los tres dominios de la Ontología Génica y cómo se organizan?
• ¿Cómo se indica la solidez de una anotación, por ejemplo, a través de códigos de evidencia?
• ¿Qué bases de datos contienen conocimiento sobre rutas, reacciones e interacciones, y cómo difieren?

Key concepts

• Vocabulario controlado y ontología
• Función molecular, proceso biológico, componente celular
• Estructura de grafo acíclico dirigido (DAG) de GO
• Anotación y códigos de evidencia
• Bases de datos de rutas (KEGG, Reactome)
• Bases de datos de interacción y asociación de proteínas (STRING)

Mechanisms

La Ontología Génica organiza los términos como un grafo acíclico dirigido en el que los términos específicos heredan de otros más generales a través de tres dominios independientes: función molecular (la actividad bioquímica de un producto génico), proceso biológico (el programa más amplio al que contribuye) y componente celular (dónde actúa). Los genes se vinculan a los términos mediante anotaciones, cada una etiquetada con un código de evidencia que registra si el soporte es experimental, computacional o inferido por un curador. Bases de datos complementarias capturan conocimiento que la ontología no abarca: KEGG y Reactome codifican las rutas como redes de reacciones y relaciones, y recursos de asociación de proteínas como STRING agregan evidencia de enlaces funcionales entre proteínas. Juntos, estos recursos proporcionan los conjuntos de genes curados y las anotaciones de referencia que consumen los métodos posteriores de enriquecimiento y de redes.

Clinical relevance

Las ontologías y las bases de datos curadas son la infraestructura compartida que hace que la interpretación genómica sea reproducible entre estudios, suministrando el vocabulario y los conjuntos de genes utilizados en la anotación, el enriquecimiento y el análisis de redes. Describen cómo se organiza el conocimiento biológico para la computación y sirven como recursos de referencia en lugar de como base para decisiones diagnósticas o de tratamiento individuales.

History

La Ontología Génica fue lanzada en 2000 por un consorcio de bases de datos de organismos modelo para unificar la descripción de la función génica entre especies, y se convirtió en el vocabulario estándar de facto para la genómica funcional. En el mismo año, KEGG formalizó el conocimiento de rutas como mapas computables, y Reactome añadió posteriormente una base de conocimiento de rutas a nivel de reacción, curada manualmente. Bases de datos de asociación de proteínas como STRING extendieron la curación a interacciones funcionales y físicas, completando un ecosistema de recursos del que ahora dependen la mayoría de los análisis de enriquecimiento y de redes.

Key figures

• Michael Ashburner
• Judith Blake
• Minoru Kanehisa
• Peter D'Eustachio

Seminal works

• ashburner-2000
• kanehisa-2000
• jassal-2020

Frequently asked questions

¿Cuáles son los tres dominios de la Ontología Génica?

Función molecular (la actividad bioquímica de un producto génico), proceso biológico (el programa más amplio al que contribuye) y componente celular (dónde actúa en la célula). Estos tres dominios se organizan de forma independiente.

¿Por qué las anotaciones de la Ontología Génica llevan códigos de evidencia?

Los códigos de evidencia registran cómo se respaldó una anotación —por ejemplo, evidencia experimental frente a inferencia computacional— para que los usuarios puedan juzgar la fiabilidad de una asignación gen-término determinada.