Bayesian analysis of transcriptional dynamics

• Autores: Benegas, Gonzalo Segundo
• Año de publicación: 2018
• Idioma: inglés
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Salles, Alejo; García, Hernán G.
• Materia: REGULACION GENICA; RAFAGAS DE TRANSCRIPCION; INFERENCIA BAYESIANA; REVERSIBLE JUMP MARKOV CHAIN MONTE CARLO; GENE REGULATION; TRANSCRIPTIONAL BURSTING; BAYESIAN INFERENCE; REVERSIBLE JUMP MARKOV CHAIN MONTE CARLO
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

El desarrollo de organismos multicelulares requiere del preciso control de la expresión genética a lo largo del tiempo y del espacio. Técnicas experimentales recientes permiten monitorear en vivo la actividad transcripcional en el embrión de mosca, mediante el etiquetado fluorescente de moléculas de ARN naciente en genes específicos. A partir de la extracción de trazas fluorescentes de cada núcleo, se puede cuantificar la actividad transcripcional a lo largo del tiempo y el espacio durante el desarrollo embrionario. Al analizar datos del gen eve, encontramos que su transcripción ocurre en ráfagas. Desarrollamos un modelo probabilístico de este fenómeno, basado en la transición del gen entre diferentes estados transcripcionales, activos e inactivos. Para inferir estos estados subyacentes, desarrollamos un algoritmo de Reversible–jump Markov chain Monte Carlo, capaz de soportar espacios de parámetros de dimensión variable. Los resultados preliminares sugieren que las tasas de transición entre estados son moduladas a lo largo del embrión, contribuyendo al establecimiento de los patrones de expresión observados. Esta línea de trabajo abre interesantes posibilidades para seguir investigando los mecanismos de regulación transcripcional en el futuro.
The development of multicellular organisms requires precise control of gene expression across time and space. Recently developed experimental techniques are allowing for monitoring live transcriptional activity in the fruit fly embryo, by fluorescently tagging nascent mRNA molecules at specific genes. By extracting fluorescent traces from individual nuclei, transcriptional activity can be quantified across time and space in the developing embryo. Analyzing data from the eve gene, we encounter transcription occurs in random bursts, rather than at a predictable rate. We develop a probabilistic model to account for this phenomenon, based on the transition of genes between different ON and OFF transcriptional states. To infer these latent states, we develop a Reversible–jump Markov chain Monte Carlo algorithm, able to handle parameter spaces of varying dimensionality. Our initial results suggest transition rates are modulated across the embryo, and contribute to the establishment of the observed expression pattern. The line of work we have started opens interesting possibilities for further inquiry into the mechanisms of transcriptional regulation in the future.
Fil: Benegas, Gonzalo Segundo. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.