Modulector: una plataforma como servicio para el acceso a bases de datos de micro ARNs

Palabras clave: microARN, regulación de la expresión génica, bioinformática, base de datos biomédica, plataforma web

Resumen

El notable crecimiento del volumen de datos genómicos y la enorme variedad de bases de datos que los almacenan, hacen indispensable disponer de mecanismos eficientes y eficaces de integración. En la actualidad se encuentran disponibles varias herramientas que ofrecen APIs (Interfaz de programación de aplicaciones) que permiten acceder a dicha información, que pueden ser utilizados tanto a través de lenguajes de programación como de navegadores a partir de servicios web. Sin embargo, en dominios específicos de la bioinformática como el caso de los micro ARN -pequeñas moléculas de ARN de gran interés por su capacidad de regular la actividad de otros genes- la mayoría de las soluciones recurren en problemas que dificultan su uso, incluyendo la falta de procesos que simplifiquen la actualización de sus bases de datos a medida que se publica nueva información, tiempos de respuesta inadecuados, dificultad para garantizar la escalabilidad, falta de consistencia en el formato de intercambio de datos, funcionalidad extremadamente limitada, errores por falta de mantenimiento, entre otros problemas frecuentes.

En el presente trabajo se presenta Modulector, una solución que integra información de bases de datos genómicas, con bases de datos de micro ARNs (microARNs), para simplificar el acceso a las distintas dimensiones de información de los microARNs de interés (secuencias, fármacos y patologías asociadas, genes regulados, publicaciones científicas), poniendo especial énfasis en resolver las problemáticas técnicas comunes descritas anteriormente.

Modulector brinda acceso a través de una API REST (API para la transferencia de estado representacional), garantiza tiempos de respuesta adecuados y escalabilidad, tiene capacidad de ordenamiento, filtro, búsqueda y paginado de resultados. La solución utiliza contenedores, simplificando el despliegue en cualquier servidor, lo que la hace adaptable para la mayoría de los casos de uso donde se quiere utilizar Modulector de manera privada. Toda la información retornada por Modulector se encuentra normalizada en formato JSON, haciéndola eficiente para su manipulación mediante cualquier herramienta de desarrollo. El código fuente de Modulector está disponible en https://github.com/omics-datascience/modulector.

Descargas

La descarga de datos todavía no está disponible.

Citas

Agarwal, V., Bell, G.W., Nam, J. y Bartel, D.P. (2015). Predicting effective microRNA target sites in mammalian mRNAs. eLife, 4, e05005. https://doi.org/10.7554/eLife.05005

Chang, L., Zhou, G., Soufan, O. y Xia, J. (2020). miRNet 2.0 - network-based visual analytics for miRNA functional analysis and systems biology. Nucleic Acids Research, 48(W1), W244–W251. https://doi.org/10.1093/nar/gkaa467

Cho, S., Jang, I., Jun, Y., Yoon, S., Ko, M., Kwon, Y. y Lee, S. (2012). MiRGator v3. 0: a microRNA portal for deep sequencing, expression profiling and mRNA targeting. Nucleic Acids Research, 41(D1), D252-D257. https://doi.org/10.1093/nar/gks1168

Cho, S., Jun, Y., Lee, S., Choi, H. S., Jung, S., Jang, Y. y Kim, W. (2010). miRGator v2. 0: an integrated system for functional investigation of microRNAs. Nucleic Acids Research, 39(suppl_1), D158-D162. https://doi.org/10.1093/nar/gkq1094

Fan, Y, Siklenka, K., Arora, SK., Ribeiro, P., Kimmins, S. y Xia, J. (2016). miRNet - dissecting miRNA-target interactions and functional associations through network-based visual analysis. Nucleic Acids Research, 44, W135–141. https://doi.org/10.1093/nar/gkw288

Fan, Y. y Xia, J. (2018). miRNet: functional analysis and visual exploration of miRNA-target interactions in a network context. En: von Stechow, L., Santos Delgado, A. (eds) Computational Cell Biology. Methods in Molecular Biology, vol 1819. Humana Press, New York, NY. https://doi.org/10.1007/978-1-4939-8618-7_10

Fan, Y., Habib, M. y Xia, J. (2018). Xeno-miRNet: a comprehensive database and analytics platform to explore xeno-miRNAs and their potential targets. PeerJ. 6, e5650. https://doi.org/10.7717/peerj.5650

Fromm, B., Billipp, T., Peck, L. E., Johansen, M., Tarver, J. E., King, B. L. y Peterson, K. J. (2015). A uniform system for the annotation of vertebrate microRNA genes and the evolution of the human microRNAome. Annual Review of Genetics, 49, 213-242. https://doi.org/10.1146/annurev-genet-120213-092023

Griffiths-Jones, S. (2004). The microRNA Registry. Nucleic Acids Research, 32(suppl_1), D109–D111. https://doi.org/10.1093/nar/gkh023

Griffiths-Jones, S., Grocock R., Van Dongen S., Bateman A. y Enright A. (2006). miRBase: microRNA sequences, targets and gene nomenclature. Nucleic Acids Research, 34(suppl_1), D140–D144. https://doi.org/10.1093/nar/gkj112

Griffiths-Jones, S., Kaur Saini, H., Van Dongen, S. y Enright A. (2008). miRBase: tools for microRNA genomics. Nucleic Acids Research, 36(suppl_1), D154–D158. https://doi.org/10.1093/nar/gkm952

Huang, H.Y., Lin, Y.C., Li, J., Huang, K.Y., Shrestha, S., Hong, H.C., Tang, Y., Chen, Y.G., Jin, C.N., Yu, Y., Xu, J.T., Li, Y.M., Cai, X.X., Zhou, Z.Y., Chen, X.H., Pei, Y.Y., Hu, L., Su, J.J., Cui, S.D., ..., Huang, H.D. (2020). miRTarBase 2020: updates to the experimentally validated microRNA-target interaction database. Nucleic Acids Research, 48(D1), D148–D154. https://doi.org/10.1093/nar/gkz896

Huang, Z., Shi, J., Gao, Y., Cui, C., Zhang, S., Li, J., Zhou, Y. y Cui, Q. (2019). HMDD v3.0: a database for experimentally supported human microRNA-disease associations. Nucleic Acids Research, 47(D1), D1013–D1017. https://doi.org/10.1093/nar/gky1010

Jiang, Q., Wang, Y., Hao, Y., Juan, L., Teng, M., Zhang, X., Li, M., Wang, G. y Liu, Y. (2009). miR2Disease: a manually curated database for microRNA deregulation in human disease. Nucleic Acids Research, 37, D98-104. https://doi.org/10.1093/nar/gkn714

Johora, H., Hossain, G.S. y Kocerha, J. (2019). The potential for microRNA therapeutics and clinical research. Frontiers in Genetics, 10, 478. https://doi.org/10.3389/fgene.2019.00478

Kozomara, A. y Griffiths-Jones, S. (2011). miRBase: integrating microRNA annotation and deep-sequencing data, Nucleic Acids Research, 39(suppl_1), D152–D157. https://doi.org/10.1093/nar/gkq1027

Kozomara, A. y Griffiths-Jones, S. (2014). miRBase: annotating high confidence microRNAs using deep sequencing data. Nucleic Acids Research, 42(D1), D68–D73. https://doi.org/10.1093/nar/gkt1181

Kozomara, A., Birgaoanu, M. y Griffiths-Jones, S. (2019). miRBase: from microRNA sequences to function. Nucleic Acids Research, 47(D1), D155–D162. https://doi.org/10.1093/nar/gky1141

Licursi, V., Conte, F., Fiscon, G. y Paci, P. (2019). MIENTURNET: an interactive web tool for microRNA-target enrichment and network-based analysis. BMC Bioinformatics, 20, 545. https://doi.org/10.1186/s12859-019-3105-x

Miranda, K.C., Huynh, T., Tay, Y., Ang, Y.S., Tam, W.L., Thomson, A.M. y Rigoutsos, I. (2006). A pattern-based method for the identification of MicroRNA binding sites and their corresponding heteroduplexes. Cell, 126(6), 1203-1217. https://doi.org/10.1016/j.cell.2006.07.031

Ru, Y., Kechris, K., Tabakoff, B., Hoffman, P., Radcliffe, R., Bowler, R., Mahaffey, S., Rossi, S., Calin, G., Bemis, L. y Theodorescu, D. (2014). The multiMiR R package and database: integration of microRNA-target interactions along with their disease and drug associations. Nucleic Acids Research, 42(17), e133. https://doi.org/10.1093/nar/gku631

Ruepp, A., Kowarsch, A., Schmidl, D., Buggenthin, F., Brauner, B., Dunger, I., Fobo, G., Frishman, G., Montrone, C. y Theis, F.J. (2010). PhenomiR: a knowledgebase for microRNA expression in diseases and biological processes. Genome Biology, 11(1), R6. https://doi.org/10.1186/gb-2010-11-1-r6

Seungyoon, N., Bumjin, K., Seokmin, S. y Sanghyuk, L. (2007). miRGator: an integrated system for functional annotation of microRNAs. Nucleic Acids Research, 36(suppl_1), D159-D164. https://doi.org/10.1093/nar/gkm829

Shirdel, E.A., Xie, W., Mak, T.W. y Jurisica, I. (2011). NAViGaTing the Micronome. Using Multiple MicroRNA Prediction Databases to identify signalling pathway-associated MicroRNAs. PLoS ONE, 6(2), e17429. https://doi.org/10.1371/journal.pone.0017429

Tokar, T., Pastrello, C., Rossos, A.E.M., Abovsky, M., Hauschild, A.C., Tsay, M., Lu, R. y Jurisica, I. (2018). mirDIP 4.1-integrative database of human microRNA target predictions. Nucleic Acids Research, 46(D1), D360-D370. https://doi.org/10.1093/nar/gkx1144

Vlachos, I.S., Zagganas, K., Paraskevopoulou, M.D., Georgakilas, G., Karagkouni, D., Vergoulis, T., Dalamagas, T. y Hatzigeorgiou, A. G. (2015). DIANA-miRPath v3. 0: deciphering microRNA function with experimental support. Nucleic Acids Research, 43(W1), W460–W466. https://doi.org/10.1093/nar/gkv403

Wu, W. (2010). MicroRNA: potential targets for the development of novel drugs?. Drugs in R & D, 10(1), 1-8. https://doi.org/10.2165/11537800-000000000-00000

Xinyi, L., Shuyuan, W., Fanlin, M., Jizhe, W., Yan, Z., Enyu, D., Xuexin, Y., Xia, L., Wei, J. (2013). SM2miR: a database of the experimentally validated small molecules’ effects on microRNA expression. Bioinformatics, 29(3), 409–411. https://doi.org/10.1093/bioinformatics/bts698

Publicado
2021-08-05
Cómo citar
Marraco, A. D., Camele, G., Hasperué, W., Menazzi, S., Abba, M., & Butti, M. (2021). Modulector: una plataforma como servicio para el acceso a bases de datos de micro ARNs. Innovación Y Desarrollo Tecnológico Y Social, 3(1), 89-114. https://doi.org/10.24215/26838559e030
Sección
Artículos
Recibido 2021-05-22
Aceptado 2021-07-12
Publicado 2021-08-05

Artículos más leídos del mismo autor/a