1
Escuela de Ingenie ía In o má ica - ULPGC
Memo ia del T abajo de Fin de Tí ulo de Ca e a de Adap ación
al G ado de Ingenie ía en In o má ica
de la Uni e sidad de Las Palmas de G an Cana ia
TÍTULO
Iden i icación de egiones del ADN con baja ecuencia de lec u a
AUTOR
Deyán Fab icio Guaca án Sabogal
TUTORES
An onio Tugo es Ces e . Je e de Se icio Unidad de In es igación del Complejo
Hospi ala io Uni e si a io Insula – Ma e no In an il.
F ancisca Quin ana Domínguez. P o eso a Ti ula de Uni e sidad del
Depa amen o de In o má ica y Sis emas de la Uni e sidad de Las Palmas de
G an Cana ia.
FECHA
Julio de 2014
2
Escuela de Ingenie ía In o má ica - ULPGC
Con enido
1. Ag adecimien os. ............................................................................................................. 4
2. Resumen del T abajo Fin de G ado. .............................................................................. 6
3. In oducción. ..................................................................................................................... 7
3.1 Aplicaciones Médicas. ....................................................................................................... 10
4. Es ado Ac ual y Obje i os. .......................................................................................... 13
5. Flujo de Análisis y búsqueda de a ian es en el ADN. ....................................... 15
5.1 P epa ación de hipó esis o suposición. ....................................................................... 15
5.2 Ob ención del ADN. ............................................................................................................ 16
5.3 Secuenciación del ADN. .................................................................................................... 16
5.4 Alineamien os de las Secuencias. .................................................................................. 17
5.5 Localización de a ian es. ............................................................................................... 21
5.6 Ano ación de a ian es..................................................................................................... 22
5.7 Fil ado. ................................................................................................................................. 23
6. Desa ollo de la aplicación. ....................................................................................... 25
6.1 PLANIFICACIÓN................................................................................................................... 25
6.1.1 Me odología de T abajo. .................................................................................................................25
6.1.2 Pla a o mas de desa ollo. ............................................................................................................27
6.1.3 Recu sos. ................................................................................................................................................28
6.2 DESARROLLO. ...................................................................................................................... 29
6.2.1 Obje i os. ...............................................................................................................................................32
6.2.2 Requisi os Funcionales ...................................................................................................................34
6.3 RESULTADOS ....................................................................................................................... 38
6.3.1 Dep hs .....................................................................................................................................................39
6.3.2 In e sec ion ...........................................................................................................................................42
6.3.3 S a is ical Resul s ...............................................................................................................................42
6.3.4 Caso P ác ico ........................................................................................................................................44
7. Conclusiones y T abajos Fu u os. ............................................................................ 47
8. Apo aciones. ................................................................................................................. 49
9. Compe encias Cubie as. ............................................................................................ 50
9.1 CII01 .............................................................................................................................................................50
9.2 CII02 .............................................................................................................................................................50
9.3 CII04 .............................................................................................................................................................51
9.4 CII08 .............................................................................................................................................................51
9.5 CII018 ..........................................................................................................................................................52
9.6 TFG01 ..........................................................................................................................................................52
10. No ma i a y Legislación. .......................................................................................... 54
10.1 Ley de P o ección de da os. .......................................................................................... 54
10.2 Leyes sob e Segu idad. .................................................................................................. 54
11. Manual de Usua io y So wa e................................................................................ 56
11.1 Acceso a la aplicación. .................................................................................................... 56
11.2 P oceso “Dep hs”. ............................................................................................................ 56
11.3 P oceso “Compa ison”. .................................................................................................. 60
11.4 P oceso “S a i iscal Resul s”......................................................................................... 63
12. Fuen es de in o mación. ........................................................................................... 66
13. Anexo 1: Fo ma o de iche os. ................................................................................ 68
3
Escuela de Ingenie ía In o má ica - ULPGC
14. Anexo 2: He amien as Adicionales. .................................................................... 72
15. Glosa io. ......................................................................................................................... 78
4
Escuela de Ingenie ía In o má ica - ULPGC
1. Ag adecimien os.
Quie o da las g acias a odas las pe sonas que han pa icipado en el
desa ollo de es e T abajo Fin de G ado:
A mi u o An onio Tugo es, po enseña me y compa i sus
conocimien os, ya que sin él no hubie a sido posible edac a es a memo ia.
Po o o lado a mi u o a, F ancisca Quin ana, po da me la opo unidad de
pa icipa en es e p oyec o, da me odo su apoyo y ayuda me en la
di ulgación y ec i icación de dicha memo ia.
A mi compañe o y amigo Pascual, po habe me ayudado du an e el
anscu so del desa ollo del p oyec o y compa i sus conocimien os
conmigo. Sin él, no hubie a sido posible la inalización del mismo. Es e
T abajo Fin de G ado ambién le pe enece a él.
A odos las pe sonas pe enecien es a UICHUIMI (Juan Ca los,
Paloma, C is ina, Te esa…), po los momen os buenos que hemos pasado y
que me han ayudo a ealiza es e p oyec o de o ma más amena y
ag adable.
A odos mis compañe os de clase y amigos (Da id, Dalia, Xe ach,
F ancisco, Ay hami, Cyn hia, Román, Ai o Ca dona, Ai o He nández,
C is ián, Na alia, Pablo, Reynie …), ya que con ellos he compa ido y
i ido momen os muy boni os du an e oda mi ca e a y he ap endido
mucho de cada uno de ellos.
A mis amigos que he enido el place de conoce los es e año (Helena,
Alba, Ylenia, Pa icsua, Ad ián, Allende, Bo ja, Ca los, Pa icia, Elena,
Jezabel, Pablo, Vicen e,…) y que me han dado m omen os muy di e idos y
aleg es du an e odos es os meses. Todos ellos ambién o man pa e de
es e p oyec o.
A odos mis p o eso es de la Uni e sidad, a ellos les debo mis
conocimien os y cualidades adqui idas en odos es os años de mi ca e a.
A oda mi amilia y a Jesús, po habe me dado su apoyo en odos los
momen os de mi ida uni e si a ia. Sin ellos, no hab ía sido posible llega
has a donde he llegado y se la pe sona que soy en es os momen os de mi
ida.
A mi segunda amilia, po que los conside o como al, po odo el
apoyo incondicional que me han dado y po es a ahí pa a mos a me odo
5
Escuela de Ingenie ía In o má ica - ULPGC
su apoyo en odos los momen os de mi ida en es os años. En especial
ambién a mis abuelos po da me odos sus buenos consejos y de ellos he
ap endido los alo es de la ida y que hay que segui adelan e supe ando
odas las ad e sidades que nos ponga la ida.
A Ri a, una pe sona muy especial en mi ida, po habe me dado odo
su apoyo pa a segui adelan e y dis u a y su i cada uno de los momen os
du an e mi paso en la ida uni e si a ia. G acias po es a ahí siemp e que
lo he necesi ado, sin i es o ampoco se ía posible. Tú ambién o mas pa e
de cada una de es as líneas de es e p oyec o.
Y en especial, a mi mad e, g acias po odos los es ue zos que has
pues o en mí y po da me la opo unidad de es udia lo que he que ido. Sin
i, no llega ía a donde he llegado ni end ía la opo unidad de esc ibi e
es as líneas pa a i. Po es a ahí en odos mis momen os an o buenos como
di íciles que he pasado en mi ida, y que po i he ap endido que hay que
lucha y segui pa a adelan e en odas las ba e as que nos pongan. G acias
po odos us consejos.
Muchas G acias a odos.
Deyán Fab icio Guaca án Sabogal

6
Escuela de Ingenie ía In o má ica - ULPGC
2. Resumen del T abajo Fin de G ado.
El ADN es un políme o
i
que con iene la mayo pa e de la
in o mación necesa ia pa a el desa ollo y uncionamien o de odos los
o ganismos i os conocidos. La in o mación es á accionada en di e en es
segmen os, los genes, que con ienen a iables que son indi iduales y que
de e minan las ca ac e ís icas de cada pe sona. En e ellas, hay dos que son
de especial impo ancia pa a la a ención sani a ia: la suscep ibilidad
gené ica de padece una en e medad y la capacidad de esponde de o ma
di e encial a un medicamen o, denominado a macogené ica
ii
. Pode
iden i ica dichas a ian es puede ayuda a comp ende la en e medad e
indi idualiza el a amien o del pacien e espec i amen e.
Pa a conoce es as a ian es debemos conoce la secuencia de ADN
de los genes implicados en las pa ologías o en las ca ac e ís icas
a macogené icas pa a un indi iduo de e minado, un p oceso denominado
secuenciación. La secuenciación comple a del genoma, po su complejidad,
es á oda ía lejos de encon a un hueco en e las aplicaciones médicas de
uso u ina io. Sin emba go, exis en écnicas pa a selecciona y secuencia
el exoma, que es la pa e del genoma que con ienen los exones, acciones
de los genes que con ienen la in o mación necesa ia pa a la ab icación de
las p o eínas. El exoma supone ap oximadamen e un 2% del o al del
genoma, y su secuenciación se ealiza en la Unidad de In es igación del
Complejo Hospi ala io Ma e no In an il (UICHUIMI) pa a iden i ica la
causa de en e medades a as y de o igen gené ico.
La secuenciación de exoma cub e la mayo pa e de los exones del
genoma, pe o no de ec a algunas egiones, lo que imposibili a la de ección
de a ian es en ellas. Es e hecho c ea una ince idumb e diagnós ica, lo que
limi a el pode de es a he amien a pa a la de ección de mu aciones
pa ogénicas
iii
, ya que genes clínicamen e ele an es pueden habe se
quedado sin analiza po un de ec o expe imen al. Po ello, necesi amos
sabe con p ecisión qué egiones exómicas han quedado ue a del análisis.
Así, el obje i o p incipal del T abajo Fin de G ado es la c eación de una
he amien a in o má ica que pe mi a al pe sonal clínico, sin conocimien os
in o má icos la de ección de egiones del exoma con poca cobe u a de
secuenciación, es deci , egiones del ADN con una ecuencia de lec u a
baja compa ándolo con espec o al genoma de e e encia (ADN es ánda ).
7
Escuela de Ingenie ía In o má ica - ULPGC
3. In oducción.
El ácido desoxi ibonucleico (ADN) es un ácido nucleico que
con iene la in o mación gené ica de los o ganismos i os y es esponsable
de su almacenamien o y ansmisión he edi a ia. La o alidad de la
in o mación gené ica que posee un o ganismo o una especie en pa icula
se denomina genoma, es deci , un conjun o de genes donde es án
almacenadas las cla es pa a la di e enciación de las células que o man los
di e en es ejidos y ó ganos de un indi iduo.
El genoma codi ica una se ie de ca ac e ís icas o asgos obse ables
de un o ganismo, como su mo ología, desa ollo, p opiedades
bioquímicas, isiología y compo amien o. A odas es as ca ac e ís icas la
denominamos eno ipo, y a oda la in o mación gené ica, el geno ipo.
El ADN es á es uc u ado, como obse amos en la Figu a 3.1, po
dos la gas cadenas complemen a ias de nucleó idos unidas en e sí
o mando una doble hélice. Las dos cadenas de nucleó idos que cons i uyen
una molécula de ADN, se man ienen unidas en e sí po que se o man
enlaces en e las bases ni ogenadas
i
de ambas cadenas que quedan
en en adas.
Es a con igu ación le apo a es abilidad a la molécula de ADN. Las
cua o bases ni ogenadas que se encuen an en el ADN son la Adenina
(A), Timina (T), Ci osina (C) y Guanina (G). La unión de las bases se
ealiza median e puen es de hid ógeno, y es e apa eamien o es á
condicionado químicamen e de o ma que la Adenina se complemen a con
la Timina y la Guanina con la Ci osina.
Figu a 3.1
8
Escuela de Ingenie ía In o má ica - ULPGC
En el se humano, las células somá icas
poseen 46 cadenas de
ADN, llamados c omosomas
i
, dis ibuidos en 23 pa ejas. Cada pa es á
o mado po un c omosoma de o igen ma e no y o o pa e no. Vein idós de
es as pa ejas ienen la misma es uc u a y el amaño, es deci , son
homólogos. Pe o el sexo de la pe sona es á de e minado po el úl imo pa
de c omosomas, los c omosomas sexuales. La muje con iene dos
c omosomas X, mien as que el homb e con iene un c omosoma X y o o Y
(es deci , c omosomas he e ólogos). Las células ge minales con ienen la
mi ad de la in o mación, que esul a de la ecombinación de los
c omosomas pa e no y ma e no pa a o igina c omosomas únicos
esponsable de la he encia.
El genoma humano con iene ap oximadamen e en e 20.000 y
25.000 genes. Se conside an genes las egiones del genoma que codi ican
pa a p o eínas, es o es, las egiones que se ansc iben pa a gene a ARN
mensaje os que luego se aducen en p o eínas en los ibosomas. De media,
los genes ienen un amaño de 3.000 nucleó idos o bases. Teniendo en
cuen a que el o al del genoma asciende a 3.164,7 millones de bases, la
suma de odos los genes ep esen a un 2% del genoma humano. Po an o,
el 98% del genoma humano es ADN-no codi ican e, o lo que es lo mismo,
no con iene in o mación ele an e pa a la sín esis de p o eínas.[2]
La es uc u a de los genes con iene, además, elemen os que
pa icipan en la egulación de su exp esión como los p omo o es
ii
y
po enciado es
iii
de la ansc ipción.
La es uc u a in ón-exón de los genes ue descubie a en 1977
(podemos obse a dicha es uc u a en la Figu a 3.2). [2] Es uc u as que
di e encian a Euca io as de P oca io as
ix
.
Un in ón es una egión del ADN que debe se eliminada del
ansc i o de ARN an es de que salga del núcleo y sea aducido. Los
exones ep esen an las secciones en la e sión inal del ARNm que se unen
en e sí du an e el p oceso de splicing ( ambién llamado co e y empalme)
y, po an o, se aduci án inalmen e en p o eínas.
9
Escuela de Ingenie ía In o má ica - ULPGC
Figu a 3.2
La exp esión génica, enca gada de la sín esis de p o eínas a pa i de
los genes, comp ende po dos e apas: ase de ansc ipción y la ase de
aducción. En la ase de ansc ipción consis e en que a pa i de un
agmen o del ADN es ansc i o po ARN polime asa (ARNP) en un ARN
nuclea que, as el p ocedimien o (splicing), se con ie e en mensaje o
(ARNm). En la ase de aducción se gene a la p o eína a pa i del ARNm
y es á comp endida po es sub ases: iniciación de la sín esis p o eica,
elongación de la cadena polipep ídica y inalización de la sín esis de las
p o eínas. Podemos obse a es as dos e apas en las siguien es imágenes
Figu a 3.3 y Figu a 3.4 espec i amen e.¡E o ! No se encuen a el
o igen de la e e encia.
Figu a 3.3
16
Escuela de Ingenie ía In o má ica - ULPGC
Figu a 5.1
Una ez es ablecidas una o a ias hipó esis, pod emos decidi qué
segmen os del ADN se an a secuencia y ealiza di e en es
compa aciones de los esul ados ob enidos. En la Unidad de In es igación
se abaja con es ipos de hipó esis: homocigo os, dominan es ecesi os y
uno o más genes candida os ( a ian es).
5.2 Ob ención del ADN.
En es a ase se les ex ae a los pacien es que que emos in es iga una
pequeña mues a de sang e con una can idad ap oximada de 10 milili os,
de la que se ex ae el ma e ial gené ico de las células blancas según el
mé odo de p ecipi ación accionada de Mille .[3]
5.3 Secuenciación del ADN.
Una ez ob enidas las mues as de ADN, son en iadas al Ins i u o de
Genómica de Pekín (Beijing Genomics Ins i u e – BGI) pa a que se
enca guen de ealiza la secuenciación po el mé odo NGS.[4]
En es e ins i u o se ealiza el p oceso de agmen ación del ADN en
di e en es acciones de ap oximadamen e 150 pa es de bases. Con

17
Escuela de Ingenie ía In o má ica - ULPGC
di e en es mé odos ísico-químicos se ejecu a una sepa ación de las
acciones que no o man pa e del exoma y con iene una calidad meno .
Median e el sis ema “Illumina HiSeq 2000” las acciones es an es
co espondien es a una calidad posi i a se secuencian en una di ección y su
in e sa, ob eniéndose in o mación de las dos cadenas del ADN.[5]
Es e sis ema de secuenciación no sólo o ece unos esul ados sin
p eceden es y de bajo cos e, sino ambién una expe iencia de usua io
a anzada. Con dicha ecnología supe a las de iciencias de las écnicas de
secuenciación adicionales como de al o cos e en mano de ob a y
ma e iales. Los mé odos al e na i os de p epa ación de mues as pe mi en
una amplia gama de aplicaciones incluyendo la exp esión génica, pequeño
descub imien o de ARN o las in e acciones p o eína-ácido nucleico.
Los esul ados ob enidos se gua dan en di e en es a chi os
in o ma izados en el que incluyen una sucesión de secuencias con sus
co espondien es alo es de calidad. Es a in o mación es á almacenada en
dos a chi os en o ma o “.FASTQ”, en el cual cada uno de ellos con iene
las secuencias de una de las dos di ecciones del ADN(5’ y 3’). Pa a sabe
como es á es uc u ado es os iche os bas a con i nos al inal de la memo ia
a l anexo “Fo ma o de los iche os”.
5.4 Alineamien os de las Secuencias.
Los a chi os ecibidos de la secuenciación no malmen e con ienen
30 millones de secuencias con longi udes de ap oximadamen e de 90 pa es
de bases, po lo que almacena unos 3 mil millones en su o alidad.
El p oblema que exis e es que la in o mación que apo a es os
iche os no de e mina en qué posiciones se encuen an las secuencias, po
lo que se lle a a cabo el p oceso de alineamien o pa a o dena cada
secuencia en su posición exac a o ap oximada. Pa a lle a a cabo es e
p oceso se u iliza un genoma de e e encia, en el cual se hace las
compa aciones con cada una de las secuencias ecibidas.
Los obje i os al hace la compa ación de dos o más secuencias son:
 De e mina (y cuan i ica ) el g ado de simili ud que hay en e ellas.
 De e mina si exis e algún ipo de elación en e ellas o si el pa ecido
es simplemen e u o de la casualidad.
18
Escuela de Ingenie ía In o má ica - ULPGC
 De ec a la p esencia de mo i os es uc u ales y/o uncionales
conse ados.
 Cons ui á boles ilogené icos
xiii
que e lejen sus elaciones
e olu i as.
Realiza el alineamien o de las secuencias equie e un gas o muy al o
an o en compu ación como en memo ia, po lo que u iliza mé odos
habi uales se hace in iable. Pa a ello se emplea di e en es algo i mos que
con ibuyan a una mejo e iciencia del p oceso en ez de una mayo
e icacia. Exis en dos ipos de algo i mos que pueden soluciona es a
cues ión: algo i mos en unción de una abla hash y algo i mos basados en
á boles su ijo/p e ijo.
En unción del núme o de secuencias que se compa an podemos
dis ingui :
 Alineamien o de dos secuencias: se compa an dos secuencias
u ilizando di e sos mé odos como, po ejemplo, la ma iz de pun os
(do -plo ), algo i mos de p og amación dinámica (Needleman-
Wunsch o Smi h- Wa e man) o algo i mos heu ís icos (FAST,
BLAST).
 Alineamien o de múl iples secuencias: se compa an más de dos
secuencias. Pa a ello se pueden u iliza di e sos p og amas basados
en algo i mos heu ís icos como, po ejemplo, CLUSTALW.
Pa a el mé odo de alineamien o de dos secuencias las écnicas más
conocidas pa a ealiza es e p oceso son:
 Alineamien o global: Es especialmen e ú il cuando las secuencias
se pa ecen bas an e, ienen una longi ud simila y los dominios
conse ados se encuen an en el mismo o den. Aba ca la o alidad
de las secuencias compa adas, es deci , in en a alinea odos y cada
uno de los esiduos de las dos secuencias. Es e ipo de
alineamien o nos pe mi i á de e mina si las secuencias son
homólogas o no, si pe enecen a una misma amilia o cons ui un
á bol ilogené ico. Pa a es e p oceso se u iliza el algo i mo de
Needleman-Wunsch.
 Alineamien o local: Es el más u ilizado y esul a especialmen e
ú il cuando se compa an secuencias muy di e gen es, de igual o
dis in a longi ud, pe o que pueden con ene una o más egiones
conse adas con simili ud local. Las egiones conse adas suelen
19
Escuela de Ingenie ía In o má ica - ULPGC
co esponde a dominios es uc u ales o uncionales que esul an
c uciales pa a el man enimien o de la es uc u a y/o unción de la
molécula. Pa a es e p ocedimien o se emplea el algo i mo de Smi h
– Wa e man.
 Alineamien o semiglobal: Es especialmen e ú il cuando se
compa an secuencias de longi ud muy dis in a o secuencias en las
que el inal de una se solapa con el inicio de o a. Pe mi e (1)
de ec a egiones de solapamien o que nos pe mi an ensambla
con igs a pa i de agmen os más pequeños, (2) compa a EST
(exp essed sequence ags) con ADN genómico pa a así pode
dis ingui los exones de los in ones y de e mina la es uc u a del
gen, y (3) descub i pa ones en una secuencia mucho más la ga.
Pa a es e p oceso se u iliza el algo i mo de Smi h – Wa e man ya
que no aplica penalizaciones ni al inicio ni al inal de la secuencia
más la ga.
Figu a 5.2
Pa a el mé odo de alineamien o de múl iples secuencias las écnicas
más u ilizadas pa a ealiza es e p oceso son:
 P og amación dinámica: La écnica de p og amación dinámica es
eó icamen e aplicable a cualquie núme o de secuencias; sin
emba go, y pues o que es compu acionalmen e cos osa an o en
iempo como en memo ia, a amen e se usa en su o ma más básica
pa a más de es o cua o secuencias.
 Mé odos p og esi os: Los mé odos p og esi os, je á quicos, o po
á bol, gene an un alineamien o múl iple de secuencias alineando
p ime o las secuencias más simila es, pa a i añadiendo
sucesi amen e al alineamien o secuencias o g upos menos
elacionados, has a que el conjun o p oblema comple o ha sido
inco po ado a la solución.
 Mé odos i e a i os: Los mé odos i e a i os in en an mejo a el
pun o débil de los mé odos p og esi os: su ue e dependencia de la
p ecisión de los alineamien os de los empa ejamien os iniciales. Los
mé odos i e a i os op imizan una unción obje i o basada en un
20
Escuela de Ingenie ía In o má ica - ULPGC
mé odo seleccionado de pun uación de alineamien o median e la
asignación de un alineamien o global inicial y el pos e io
ealineamien o de subconjun os de secuencias.
P ime amen e sabemos que enemos un genoma de e e encia que
posee ap oximadamen e 3x10^9 nucleó idos. Como sabemos, las cadenas
aisladas del ADN (mues as) se en ían a Beijing Genome Ins i u e pa a que
ellos se enca guen de la secuenciación po NGS.
Una ez ecibida la agmen ación de dicho ADN en millones de
ozos en e 150 y 200 pa es (en iche os in o má icos en o ma o “. as q),
hacemos una compa ación de cada secuencia con el genoma de e e encia
en el que se ob iene di e en es lec u as (DP) en odas las posiciones. Es as
lec u as se gua dan en el iche o de alineamien o (.bam) además de
in o mación adicional (c omosoma, calidad del mapeo, longi ud de la
secuencia…). Med ian e la he amien a desa ollada, pod emos eco e
odas esas lec u as y ob ene las egiones de e minadas po el umb al
in oducido po el usua io.
Como hemos is o exis en di e en es p og amas de alineamien o de
secuencias, sin emba go, en UICHUIMI se u iliza uno en conc e o llamado
BWA. Desc ibi emos a con inuación es e ipo de so wa e.
Bu ows – Wheele Aligne
BWA es un paque e de so wa e pa a el mapeo de secuencias
pequeñas con a un genoma de e e encia, como po ejemplo el genoma
humano. Dicho so wa e se compone de es algo i mos: BWA-back ack,
BWA-SW y BWA-MEM. El p ime algo i mo es á diseñado pa a la
secuencia de Illumina en el cual lee has a 100 pa es de bases, mien as que
las dos es an es es án diseñadas pa a las secuencias más la gas que oscilan
en e 70 y 1 millón de pa es de bases. BWA-MEM y BWA-SW compa en
ca ac e ís icas simila es, como po ejemplo el sopo e de lec u as la gas y
alineamien os de up u as, pe o BWA-MEM, po lo gene al se ecomienda
pa a consul as de al a calidad, ya que es más ápido y p eciso. BWA-MEM
ambién o ece un mayo endimien o que BWA-BackT ack pa a lec u as
Illumina de 70 a 100 pa es de bases.
BWA-back es á p incipalmen e diseñado pa a las asas de e o de
secuenciación po debajo del 2%. Aunque los usua ios pueden ole a más
e o es a a és de líneas de comandos, su endimien o se deg ada
ápidamen e. Hay que ene en cuen as que pa a lec u as Illumina, bwa-
21
Escuela de Ingenie ía In o má ica - ULPGC
back ack puede opcionalmen e sup imi bases de baja calidad del alelo 3’
an es de la alineación y po lo an o es capaz de alinea más lec u as con
una al a asa de e o en la cola, que es una pos u a ípica de Illumina.
BWA-SW y BWA-MEM ole an más e o es con alineamien os más
la gos. Las simulaciones sugie en que pueden unciona bien con un e o
del 2% pa a una alineación de 100 pa es de bases, el e o de 3% pa a una
de 200 pb (pa es de bases), 5% pa a 500 pb y 10% pa a 1000 pb o más.[8]
El esul ado de los algo i mos BWA es á en o ma o “.SAM”,
adecuado pa a la búsqueda de las a ian es.
5.5 Localización de a ian es.
Una ez hemos hecho el alineamien o de las secuencias, en es a ase
i emos desde el p incipio has a el inal del genoma de e e encia
compa ándolo con el exoma econs uido, pa a así i iden i icando en qué
posiciones es di e en e. Es e p oceso es el más complicado de odos, ya que
en cada posición no malmen e se encuen a a ias lec u as alineadas y hay
que sabe que exis en a ian es en las que sob a o al a un agmen o.
Pa a ello an es de ealiza el p oceso de localización de a ian es, se
hace un e inamien o a los alineamien os. Pa a ealiza es e p oceso se
emplea un sis ema llamado Genome Analysis Toolki . Po o a pa e exis e
una he amien a llamada Pica d en el cual és e se enca ga de ealiza una
eliminación de lec u as epe idas que no ag egan in o mación, analiza
cobe u as de p o undidad y ecalib a los alo es de calidad. Con odas
es as uncionalidades ayudan a acili a la de ección de Indels
xi
.[9] [10]
A con inuación obse amos en la siguien e Figu a 5.3 como se
ubican las secuencias en un iche o en o ma o “.SAM”:
Re : TCGTAATCACGACA
seq1: --GTAAACAC----
seq2: TCGTAAACACG---
sep3: ---TAAACACGA--
seq4: -CGTAATCACG---
Figu a 5.3
En es a imagen podemos obse a como en la posición 7 de la
e e encia hay una Timina, sin emba go, en es de las cua o secuencias a

22
Escuela de Ingenie ía In o má ica - ULPGC
compa a emos que hay una Adenina. Con es o podemos llega a la
hipó esis de que puede habe una a ian e en dicha posición, pe o ambién
cabe des aca que hay que ene en cuen a algunos pun os de is a.
Sabemos que a cada una de las lec u as le co esponde un alo de
calidad, po lo que podemos a llega a plan ea nos que es e esul ado puede
se debido a un e o del apa a o de secuenciamien o. También puede habe
sido un allo en el p og ama de alineamien o, ya que cada uno de los
alineamien os le co esponde un alo de bondad.
El obje i o es u iliza un p og ama que localice el mayo núme o de
a ian es e ídicas posibles. En es e caso la búsqueda de a ian es es más
ácil ya que sabemos que exis en a ian es po la inexis encia de una o más
bases, po una epe ición de un agmen o de cadena o po la inclusión de
una cadena.
5.6 Ano ación de a ian es.
En es a ase ob enemos un iche o con miles de a ian es, en el cual
nues o obje i o es iden i ica unas cuan as en e odas ellas. Pa a ello
debemos hace una se ie de il os con espec o a unas cie as no mas.
La in o mación sob e la ubicación de las a ian es es pob e ya que
sólo indica la posición en la que se ha p oducido la a ian e, po lo que es
23
Escuela de Ingenie ía In o má ica - ULPGC
necesa ia ag ega más in o mación sob e ello. Los campos más ecuen es
que se añaden son:
 Localización: Indica que codón pe enece al genoma de e e encia
y qué codón pe enece la a ian e.
 Sinonimia: Las a ian es son sinónimas cuando no ep esen an un
cambio en el aminoácido que codi ica el codón donde se
encuen a.
 Pelig o: Den o de las a ian es que no son sinónimas, se hallan
ambién las ole adas y pelig osas, dependiendo del cambio de las
a ian es.
 F ecuencia: Repe ición de la a ian e en las dis in as bases de
da os. Habi ualmen e es án clasi icadas po egiones, po lo que se
puede sabe en qué pa es del mundo son más usuales o no.
 Conocimien o: Base de da os e in o mación donde se encuen a la
a ian e, y así nos in o ma de has a qué pun o es conocida la
a ian e.
Aunque exis en he amien as de ano ación que pe mi en ejecu a se
de o ma local, es más ecomendable ealiza la en los se icios web ya que
los esul ados es a án ac ualizados.
5.7 Fil ado.
Es a e apa es la más impo an e ya que en la an e io ase de
localización de a ian es, se iden i ican una media de 150.000 a ian es. La
inalidad de es a ase es hace un il ado de las a ian es que pueden se
sospechosas de causa una en e medad.
Pa a ello se hace un il ado po el mé odo po ecuencias, en el cual
se sup imen las a ian es que con engan una ecuencia muy al a, ya que se
conside an que con dicha ecuencia pe judica ía a muchas pe sonas. Po
o a pa e, ambién se sup imen las a ian es con lec u as meno es que 10,
24
Escuela de Ingenie ía In o má ica - ULPGC
que engan alo es de calidad po debajo de 50 y que no sean la opción más
e iden e.
Po úl imo se clasi ican las a ian es según el ipo de hipó esis que se
a e (homocigo os, dominan e ecesi o o uno o más a ian es). También se
pueden busca a ian es comunes en e di e en es pacien es sob e una
misma en e medad.
25
Escuela de Ingenie ía In o má ica - ULPGC
6. Desa ollo de la aplicación.
En es a e apa desc ibi emos odo el p oceso en la c eación de la
aplicación sob e la iden i icación de egiones de baja ecuencia de lec u a
en el ADN, desde la plani icación del abajo has a la implemen ación de la
he amien a. Se ha decidido que la aplicación sea llamada MIST (Missing
Sequencing Tools).
6.1 PLANIFICACIÓN.
En es e capí ulo habla emos sob e la me odología de abajo que se
a a u iliza , las di e en es pla a o mas usadas y los equisi os asignados
pa a el desa ollo.
6.1.1 Me odología de T abajo.
Pa a el desa ollo del módulo de so wa e de iden i icación de
egiones pob es en el ADN se ha u ilizado como p ocedimien o de abajo
la me odología de desa ollo ágil. Es e mé odo basado en el desa ollo
i e a i o e inc emen al, donde los equisi os y soluciones e olucionan
median e la colabo ación de g upos au o o ganizado y mul idisciplina io.
Cada i e ación del ciclo de ida incluye: plani icación, análisis de
equisi os, diseño, codi icación, e isión y documen ación. Una i e ación
no debe ag ega demasiada uncionalidad, sino que el obje i o es ene una
especie de “dem o” a l inal de cada i e ación. Con es o pe mi e al clien e
p oba y u iliza la e sión ya desa ollada. Po ello se puede ealiza los
cambios en los equisi os desde el p incipio del desa ollo.
La inalidad es que los desa ollado es engan una acilidad en los
cambios del so wa e a la ho a de añadi o sup imi equisi os, y así no
haya du ación en e la i e ación ac ual y la siguien e.
En el 2001 se c eo un mani ies o ágil con la inalidad de descub i
mejo es o mas mejo es de desa olla so wa e pa a nues a p opia
expe iencia, y no sólo pa a educi el iempo de desa ollo sino pa a
mejo a ambién la e iciencia. Es os son los 4 pun os del mani ies o ágil:
 Indi iduos e in e acciones sob e p ocesos y he amien as.
 So wa e uncionando sob e documen ación ex ensi a.
 Colabo ación con el clien e sob e negociación con ac ual.
32
Escuela de Ingenie ía In o má ica - ULPGC
Figu a 6.3
En dicha imagen pod emos e que la in o mación es á es uc u ada
además de la cabece a, con los siguien es campos:
 @SQ: Iden i icado .
 SN: Nomb e del c omosoma.
 LN: Núme o de pa es de bases que con iene dicho c omosoma.
6.2.1 Obje i os.
En es e capí ulo desc ibi emos los di e sos obje i os que necesi an
los usua ios en UICHUIMI y sus di e en es ca ac e ís icas. El desa ollo de
es os obje i os se da án po co ec os cuando sean alidados po el/los
clien es. A con inuación mos a emos es os obje i os:

33
Escuela de Ingenie ía In o má ica - ULPGC
Obje i o 1
Localización de egiones pob es
Ve sión
1.0
Au o es
Deyán F. Guaca án Sabogal
An onio Tugo es Ces e
Desc ipción
La he amien a debe pe mi i hace una búsqueda de
egiones con lec u as de baja ecuencia, de e minada
po un umb al in oducido po el usua io. Además debe
ealiza una compa ación con las egiones de los exones
de los humanos.
Impo ancia
Muy Al a
Es ado
Validado
Tabla 6.1: Obje i o 1
Obje i o 2
In e sección en e egiones pob es.
Ve sión
1.0
Au o es
Deyán F. Guaca án Sabogal
An onio Tugo es Ces e
Desc ipción
La he amien a debe pe mi i hace una in e sección de
las egiones con baja ecuencia de lec u a en e
múl iples pacien es.
Impo ancia
Muy Al a
Es ado
Validado
Tabla 6.2: Obje i o 2
Obje i o 3
Resul ados Es adís icos
Ve sión
1.0
Au o es
Deyán F. Guaca án Sabogal
An onio Tugo es Ces e
Desc ipción
La he amien a debe pe mi i ex ae esul ados
es adís icos de los iche os an o de las egiones con
baja ecuencia de lec u a como en la in e sección en e
múl iples pacien es.
Impo ancia
Al a
Es ado
Validado
Tabla 6.3: Obje i o 3
34
Escuela de Ingenie ía In o má ica - ULPGC
6.2.2 Requisi os Funcionales
Los equisi os uncionales son aquellos que de inen una unción del
sis ema de so wa e o sus componen es, con la inalidad de que los usua ios
log en sus obje i os.
Requisi o Funcional 1
P og eso
Ve sión
1.0
Au o es
Deyán F. Guaca án Sabogal
Desc ipción
La he amien a debe á mos a el p og eso de
ejecución median e una ba a de p og eso.
Impo ancia
Al a
Es ado
Validado
Tabla 6.4: Requisi o Funcional 1
6.2.2.1 Casos de Uso
En es e capí ulo habla emos sob e los casos de uso, aquellos que
ealizan una desc ipción de los pasos o las ac i idades que debe án
ealiza se pa a lle a a cabo algún p oceso. An es de explica los casos de
uso, señalamos el ac o que in e ac úa con la aplicación.
Ac o 1
Usua io
Ve sión
1.0
Au o es
Deyán F. Guaca án Sabogal
Desc ipción
El ac o ep esen a a oda en idad ex e na al sis ema que
gua da una elación con és e y que le demanda una
uncionalidad.
Tabla 6.5: Ac o 1 1
A con inuación mos a emos odos los casos de uso que in e ienen
en el p og ama y sus elaciones, po lo que pa a ello ealiza emos un
esquema en UML. Lo podemos obse a en la siguien e Figu a 6.4:
35
Escuela de Ingenie ía In o má ica - ULPGC
Figu a 6.4
Una ez especi icados los casos de uso que el p og ama con iene,
p ocede emos a hace una desc ipción del lujo de acciones de cada uno de
ellos. Pa a ello ambién ha emos cap u as de pan alla de cómo es á
o ganizado odos ellos.
Caso de Uso 1
Localización de egiones pob es
Ve sión
1.0
Au o es
Deyán F. Guaca án Sabogal
Ac o P incipal
Usua io
Desc ipción
El usua io localiza las egiones con una ecuencia
de lec u a baja.
P econdición
Que ha ya un iche o en o ma o “.bam”
co espondien e al alineamien o de las secuencias de
un de e minado pacien e.
Flujo
1. El usua io selecciona el iche o en o ma o “.BAM” como iche o
de en ada.
2. El usua io selecciona el iche o de e e encia de los exones de los
humanos como iche o ambién de en ada.
3. El usua io in oduce el umb al de lec u as.
4. El usua io gua da el iche o de salida en la ubicación que desee.
5. El usua io pulsa el b o ón “S a ”.
6. El sis ema mues a el p og eso de ejecución median e la ba a de
p og eso.
7. El sis ema mues a un panel de la consola con los cálculos que se
es án ealizando en ese momen o.
Tabla 6.6: Caso de Uso 1
36
Escuela de Ingenie ía In o má ica - ULPGC
A con inuación e emos una ilus ación del caso de uso
“Localización de egiones pob es” median e la Figu a 6.5, en el cual
pod emos e el p oceso de ejecución de búsqueda de egiones con baja
ecuencia. Pa a ello hemos pues o de ejemplo un umb al de 10, es deci ,
egiones que engan lec u as de ce o a nue e:
Figu a 6.5
Caso de Uso 2
In e sección en e egiones pob es
Ve sión
1.0
Au o es
Deyán F. Guaca án Sabogal
Ac o P incipal
Usua io
Desc ipción
El usua io ealiza la in e sección de egiones pob es
en e múl iples pacien es.
37
Escuela de Ingenie ía In o má ica - ULPGC
P econdición
Que haya disponible como mínimo dos o más iche os
de di e en es pacien es con sus co espondien es
egiones pob es.
Flujo
1. El usua io selecciona una lis a de iche os de los di e en es
pacien es con egiones pob es como iche os de en ada.
2. El usua io gua da el iche o de salida en la ubicación que desee.
3. El usua io pulsa el b o ón “S a ”.
Tabla 6.7: Caso de Uso 2
A con inuación mos a emos una ilus ación de cómo es á
es uc u ado el caso de uso “In e sección en e egiones pob es” median e
la Figu a 6.6:
Figu a 6.6
Caso de Uso 3
Resul ados Es adís icos
Ve sión
1.0
Au o es
Deyán F. Guaca án Sabogal
Ac o P incipal
Usua io
Desc ipción
El usua io ob iene di e en es esul ados es adís icos
an o pa a la in e sección de egiones pob es de

38
Escuela de Ingenie ía In o má ica - ULPGC
múl iples pacien es como ambién pa a pacien es
indi iduales.
P econdición
Que haya disponible iche os con egiones con baja
ecuencia de lec u a de di e en es pacien es o la
in e sección en e ellos.
Flujo
1. El usua io selecciona el iche o pa a ob ene los esul ados
es adís icos como iche o de en ada.
2. El usua io gua da el iche o de salida en la ubicación que desee.
3. El usua io pulsa el b o ón “S a ”.
Tabla 6.8: Caso de Uso 3
A con inuación mos a emos una ilus ación de cómo es á
es uc u ado el caso de uso “Resul ados Es adís icos” median e la Figu a
6.7:
Figu a 6.7
6.3 RESULTADOS
En es e capí ulo habla emos sob e los di e en es esul ados que
gene an la aplicación sob e la localización de egiones con baja ecuencia
de lec u as, además de o as unciones adicionales como los esul ados
es adís icos de dichos esul ados gene ados.
39
Escuela de Ingenie ía In o má ica - ULPGC
6.3.1 Dep hs
En es a ase habla emos sob e el iche o que se gene a al ealiza el
cálculo del núme o de lec u as de odos los c omosomas. Du an e el
p oceso se ex aen las egiones con espec o al umb al in oducido po el
usua io. Una ez ob enido dichas egiones pob es, se ealiza una
compa ación con las egiones del genoma de e e encia de los “homo
sapiens” pa a sabe en que zonas son a ec adas. A con inuación emos una
ilus ación de un iche o gene ado de un de e minado pacien e al ealiza la
ejecución en la Figu a 6.8 y explica emos cada uno de los campos:
 Ch om: Nomb e del c omosoma. En nues os iche os i án del
c omosoma 1 al c omosoma Y.
 Exon_S a : Comienzo de la posición de la egión del exón.
 Exon_End: Final de la posición de la egión del exón.
 Poo _S a : Comienzo de la posición de la egión pob e.
 Poo _End: Final de la posición de la egión pob e.
 Gene_ID: El iden i icado es able pa a el gen.
 Gene_Name: Nomb e del gen.
 Exon_Numbe : Posición del exón en la ansc ipción.
 Exon_ID: El iden i icado es able pa a el exón.
 T ansc ip _Name: El nomb e de la ansc ipción.
 T ansc ip _In o: In o mación de la anscipción.
 Gene_Bio ype: El bio ipo de es e gen.
 Ma ch: La zona del exón que esul a a ec ada. Pueden se de cua o
opciones: le , igh , inside y o e lap. Habla emos sob e ello a
con inuación.
Figu a 6.8
40
Escuela de Ingenie ía In o má ica - ULPGC
En el p ime caso, puede ocu i que la zona que es é a ec ada sea
una pa e izquie da de la egión del exón. Podemos e un caso en la
siguien e ilus ación (Figu a 6.9):
Figu a 6.9
En el segundo caso, puede ocu i que la zona que es é a ec ada sea
una pa e de echa de la egión del exón. Podemos obse a un caso en la
siguien e ilus ación (Figu a 6.10):
Figu a 6.10
En el e ce caso, puede ocu i que la zona a ec ada se encuen e
den o de la egión del exón. Podemos e un caso en la siguien e
ilus ación (Figu a 6.11):
41
Escuela de Ingenie ía In o má ica - ULPGC
Figu a 6.11
En el úl imo caso, puede da se la opción de que la zona a ec ada sea
su o alidad ya que la egión con baja de ecuencia de lec u a sea de más
amaño que la egión del genoma de e e encia. Podemos e el caso en la
siguien e ilus ación (Figu a 6.12):
Figu a 6.12
48
Escuela de Ingenie ía In o má ica - ULPGC
en la cobe u a 100x que no encon amos en los pacien es con asa de
cobe u a 50x.
La o a conclusión que hemos llegado es que al hace una
compa ación es adís ica a ni el an o de genes como de exones que
codi ican p o eínas, podemos analiza que exis e una mejo a al hace una
cobe u a de 100x con espec o al 50x.
Secuencia con una p o undidad de 100x es mucho mejo que con la
de 50x, ya que la cobe u a de encon a genes codi ican es mal
secuenciados es mucho mayo , po lo que la en abilidad en cuán o a cos e
mone a io se ía más bene iciosa secuencia di ec amen e con una
p o undidad mucho mayo (100x).
Es ob io que con MIST (Missing Sequencing Tools) solo hemos
hu gado una pequeña pa e de algo más g ande. La búsqueda de egiones
en el ADN que son sospechosos de habe sido mal secuenciados ep esen a
un log o cien í ico y ecnológico pa a la sanidad.
Pode con dicha ecnología descub i egiones causan es de o igina
una posible en e medad, o a e igua si el indi iduo es más o menos
suscep ible de un de e minado medicamen o cons i uye un g an a ance en
el a amien o médico, y supone an o un bene icio económico bas an e
g ande como p eciso que los sis emas ac uales.
Aun así, oda ía quedan cosas po hace en el lujo de abajo de la
localización de egiones mal secuenciadas en el ADN. A con inuación
exponemos unas cuan as:
 Op imización y mejo a de la he amien a MIST de localización de
egiones del ADN con baja ecuencia de lec u a.
 Añadi la he amien a desa ollada al so wa e gene al DNAnaly ics
como módulo adicional.
 Implemen a , o encon a nue os algo i mos pa a la búsqueda de
iden i icación de egiones mal secuenciadas en el ADN.
 Reduci el iempo de p ocesamien o de los esul ados ob enidos,
adap ando la he amien a en máquinas más po en es.
 Encon a y es udia o as he amien as ya desa olladas simila es a
nues o p og ama, con el in de ealiza una compa ación sob e és e.

49
Escuela de Ingenie ía In o má ica - ULPGC
8. Apo aciones.
En es e capí ulo habla emos de las di e en es apo aciones que
p esen a nues o T abajo Fin de G ado. Con la implemen ación de la
aplicación hemos a anzado conside ablemen e en muchos ac o es muy
impo an es.
En p ime luga , dicha aplicación (MIST) apo a sabe qué zonas del
exoma han sido mal secuenciadas. Po ello si, po ejemplo, un 90 % ha sido
de las egiones han sido bien secuenciadas el p og ama de ec a qué zonas
del 10 % es an e no lo han sido. Con es o nos podemos aho a nos iempo
y ecu sos (ya que educe el núme o de exones a secuencia po Sange ).
Po o a pa e, en cuán o al ac o cien í ico-médico, busca qué
zonas han sido mal secuenciadas es de i al impo ancia ya que exis en
egiones que pueden causa en e medades o incluso la mue e del pacien e.
Así que las de ecciones de es os posibles genes candida os, pe mi e
conoce qué a ian es son sospechosas de causa iesgos de salud o nue as
a ian es que no han sido descubie as has a aho a.
Además es a aplicación educe, cla amen e, la posibilidad de e o
po pa e de los empleados de la Unidad de In es igación, ya que no sólo
se e alúan los esul ados ob enidos sino que el expe o puede ealiza sus
compa aciones con los da os suyos llegando así a conclusiones más
óp imas.
En la ac ualidad, no exis e es e mé odo in o ma izado y que cub a
es a necesidad. Con el desa ollo de es a aplicación, conseguimos que los
p o esionales de dicho sec o se encuen en con una he amien a sencilla,
in ui i a y ú il que agiliza á y mejo a á las in es igaciones pa a es e ipo de
es udios.
50
Escuela de Ingenie ía In o má ica - ULPGC
9. Compe encias Cubie as.
Pa a la ealización y e aluación de es e abajo in de g ado, se
equie e de una se ie de compe encias, de las cuales enume a emos y
jus i ica emos las siguien es:
9.1 CII01
Capacidad pa a diseña , desa olla , selecciona y e alua
aplicaciones y sis emas in o má icos, asegu ando su iabilidad,
segu idad y calidad, con o me a p incipios é icos y a la legislación y
no ma i a igen e.
1. Se han diseñado, desa ollado, seleccionado y e aluado aplicaciones
y sis emas in o má icos ya que se ha enido que hace un es udio
p e iamen e sob e como se ía la ob ención de las egiones con baja
ecuencia de lec u a en el genoma de e e encia.
2. Se ha desa ollado una aplicación con la capacidad de au oma iza
dicha búsqueda, incluyendo las di e en es p uebas an o de iabilidad
y segu idad como las de calidad, conside ando las di e en es no mas
igen es.
3. En dicha memo ia podemos e que hemos incluido los apa ados
“Es ado Ac ual y O bje i os” y “Recu sos” (en el apa ado de
“Plani icación” ), con el in de cub i po comple o dicha
compe encia.
9.2 CII02
Capacidad pa a plani ica , concebi , desplega y di igi
p oyec os, se icios y sis emas in o má icos en odos los ámbi os,
lide ando su pues a en ma cha y su mejo a con inua y alo ando su
impac o económico y social.
1. Pa a la ealización de es e p oyec o de dicha magni ud, ene una
plani icación es imp escindible pa a alcanza los plazos es ablecidos
del mismo.
2. Si se alcanza sa is ac o iamen e la p esen ación del p oyec o, a i ica
que la compe encia ha sido cubie a.
51
Escuela de Ingenie ía In o má ica - ULPGC
3. Cabe des aca que dicho p oyec o aunque es é en un p oceso de
in es igación y expe imen ación, puede ene en un u u o un
impo an e impac o y alo económico. Es o es así, po que dicha
he amien a p opo ciona un aho o an o de iempo como económico
muy conside able pa a los in es igado es.
9.3 CII04
Capacidad pa a elabo a el pliego de condiciones écnicas de una
ins alación in o má ica que cumpla los es ánda es y no ma i as
igen es.
Pa a una ace ada u ilización de la he amien a desa ollada se ha
plan eado las siguien es condiciones écnicas:
1. La implemen ación del módulo de so wa e debe ene una se ie de
equisi os pa a lle a a cabo la ins alación del mismo:
 Fiabilidad.
 Compo amien o cons an e.
 Buena calidad del so wa e.
 Que sea segu o.
2. La in ención es que dicha he amien a sea u ilizada de o ma global
pa a los in es igado es quie an hace uso de ella. En un p incipio la
aplicación se ha plan eado en el idioma español, pe o cabe la
posibilidad de amplia la a o o idioma si es necesa io.
3. En el caso de que ue a necesa io ealiza di e en es co ecciones a
dicha he amien a, el p oceso de p uebas no debe ía de a ec a a la
ac i idad del mismo. Es p eciso analiza y comp oba el
uncionamien o an es de e ec ua la di usión del p oduc o.
9.4 CII08
Capacidad pa a analiza , diseña , cons ui y man ene
aplicaciones de o ma obus a, segu a y e icien e, eligiendo el
pa adigma y los lenguajes de p og amación más adecuados.
1. Como hemos dicho en la an e io compe encia, la aplicación debe
con ene una se ie de equisi os pa a que sea obus a, segu a y
e icien e.
52
Escuela de Ingenie ía In o má ica - ULPGC
2. Pa a la implemen ación de la aplicación, es ecomendable que se
ome como pa adigma la o ien ación a obje os y que dicho lenguaje
sea ambién impe a i o.
3. La po abilidad es écnicamen e di ícil de log a , po ello se ha
u ilizado como lenguaje de desa ollo Ja a ya que ac úa
independien emen e de la pla a o ma que es emos abajando.
9.5 CII018
Conocimien o de la no ma i a y la egulación de la in o má ica
en los ámbi os nacional, eu opeo e in e nacional.
Ac ualmen e las leyes que es án pues as en di e en es países guiadas
a p o ege la u ilización desmedida o/e ilegal de la in o mación ob enida y
a ado en equipos in o má icos.
Desde hace a ias años, la mayo ía de los países en el ámbi o
eu opeo e in e nacional, han in en ado c ea /ejecu a leyes elacionados con
el acceso ilegal a los sis emas in o má icos o el man enimien o indebido de
es os accesos, la p opagación de i us u o os mé odos pa a adqui i
in o mación ilegal.
Todos es os en oques en países occiden ales son muy pa ecidos a los
eu opeos, ya que el obje i o ambién es p o ege la in o mación que puede
se adqui ida de o ma ilíci a median e di e en es mé odos como la
comunicación segu a o que la ans e encia in o mación sea de lo más
con idencial posible.
9.6 TFG01
Eje cicio o iginal a ealiza indi idualmen e y p esen a y
de ende an e un ibunal uni e si a io, consis en e en un p oyec o en
el ámbi o de las ecnologías especí icas de la Ingenie ía en In o má ica
de na u aleza p o esional en el que se sin e icen e in eg en las
compe encias adqui idas en las enseñanzas.
Es a compe encia ha sido o almen e cubie a en la p esen e memo ia
sob e es e T abajo Fin de G ado, en el cual ambién se ha desa ollado la
aplicación a la que se hace mención.
53
Escuela de Ingenie ía In o má ica - ULPGC
Pa a ello hemos hecho p e iamen e un es udio sob e el desa ollo del
mismo, desde la plani icación e implemen ación de la he amien a has a los
esul ados ob enidos al ealiza la ejecución de los di e en es algo i mos
desa ollados.
Todos es os aspec os pe enecen, e iden emen e, a ámbi os de las
ecnologías especí icas de la Ingenie ía en In o má ica.

54
Escuela de Ingenie ía In o má ica - ULPGC
10. No ma i a y Legislación.
A con inuación se inclui á la legislación igen e que a ec a a es e
T abajo Fin de G ado en ma e ia de segu idad in o má ica:
10.1 Ley de P o ección de da os.
En es e apa ado explica emos las azones po las cuales es a ley es
impo an e en nues o p oyec o.
Una de las p incipales azones po la que se u iliza es a ley es que la
aplicación ealiza sus p ocesos a pa i de unos iche os elacionados con el
alineamien o del ADN. Es os iche os ienen o iginalmen e de mues as de
sang e ex aída en de e minados pacien es, po lo que es de i al
impo ancia p o ege cualquie in o mación conce nien e a dichas pe sonas
iden i icadas.
Además du an e la implemen ación de la aplicación, hacemos
ope aciones y p ocedimien os écnicos los cuales nos pe mi en la ecogida,
elabo ación y modi icación de los da os.
En nues o caso, es os da os de ca ác e pe sonal ecogidos en
pacien es, sólo pod án se usados pa a inalidades elacionadas con las
in es igaciones biomédicas. Po o o lado, el a amien o de dichos da os
eque i á del consen imien o inequí oco del a ec ado, sal o que la ley
disponga o a cosa.
10.2 Leyes sob e Segu idad.
En es e apa ado habla emos sob e los di e en es aspec os
elacionados con la segu idad que necesi a la aplicación desa ollada en
es e T abajo Fin de G ado. Pa a ello enume amos las siguien es
conside aciones a ene en cuen a:
1. La in o mación de los a chi os que ayamos a a a elacionado con
de e minados pacien es sean de o al con idencialidad.
2. Con la posibilidad de que la in o mación en dicho a chi os su a
pelig o de con idencialidad e in eg idad en los da os, los equipos
in o má icos donde ayamos a ins ala la aplicación debe án ene un
sis ema de p o ección.
55
Escuela de Ingenie ía In o má ica - ULPGC
3. Gene almen e las amenazas in e nas pueden se más se ias que las
ex e nas, ya aquellas pe sonas den o la in es igación conocen la ed
y saben cómo es su uncionamien o, ubicación de la in o mación,
da os de in e és, e c. Po ello es necesa io ealiza copias de
segu idad, e incluso, si es necesa io sis emas de espaldo emo o que
pe mi an man ene la in o mación en dos ubicaciones de o ma
asínc ona.
4. Aunque en nues os equipos in o má icos ienen el sis ema ope a i o
Linux, los i us son uno de los medios más adicionales de a aque a
los sis emas y a la in o mación que los sos ienen. Pa a pode e i a
su con agio se deben igila los equipos y los medios de accesos a
ellos, p incipalmen e la ed.
56
Escuela de Ingenie ía In o má ica - ULPGC
11. Manual de Usua io y So wa e.
En es e apa ado exponemos un sencillo manual de usua io sob e la
aplicación desa ollada pa a los usua ios co espondien es an o al pe sonal
clínico como a los usua ios ex e nos. Pa a acili a la in e p e ación del
uncionamien o del mismo, mos a emos a ios ejemplos median e
cap u as de pan alla.
11.1 Acceso a la aplicación.
1. Haga clic dos eces sob e el a chi o llamado “MIST” o selecciónelo
y pulse la ecla “En e ”.
2. A con inuación se ab i á la in e az del p og ama en el cual es á
compues a po es pes añas supe io es: “Dep hs”, “Compa ison” y
“S a is ical Resul s”.
11.2 P oceso “Dep hs”.
El p oceso que ealiza es la localización de egiones del ADN con
lec u as po debajo del lími e que hemos in oducido en el campo numé ico
“Th eshold”.
1. Hace clic en la pes aña “Dep hs”. Se o ece á la in e az:
57
Escuela de Ingenie ía In o má ica - ULPGC
2. Dicha in e az es á compues a po dos secci ones: “Inpu ” y “Ou pu ”.
3. Hace clic en el bo ón “B owse…” co espondien e a “File BAM”
pa a elegi el iche o de alineamien o del ADN.
4. MIST sólo pe mi e elegi iche os c on ex ensión “.BAM”.
5. Hace clic en el bo ón “B owse…” co espondien e al “File Exons”
(Base de da os de exones).
64
Escuela de Ingenie ía In o má ica - ULPGC
2. Hace clic en el bo ón “B owse…” co espondien e al campo “File”
pa a elegi el iche o al que que emos ealiza el a amien o.
3. En la sección “Ou pu ” hace clic en el bo ón “B owse…”, pa a
selecciona la ubicación del a chi o dónde que emos gua da
nues os esul ados. El a chi o lo podem os gene a del ipo “. x ” o
“. s ” (Tab Sepa a ed V alues).
4. Hace clic en el bo ón “S a ” pa a ejecu a el p oceso del p og ama.
5. El p og ama mos a á un mensaje de e o al pulsa el b o ón “S a ”
en el caso de que no se haya ealizado ninguna de las an e io es
ins ucciones.

65
Escuela de Ingenie ía In o má ica - ULPGC
6. Una ez que el p oceso de la aplicación haya e minado, podemos
ol e a ce a la aplicación o di ec amen e pasa a o a pes aña.
66
Escuela de Ingenie ía In o má ica - ULPGC
12. Fuen es de in o mación.
[1] U.S. DOE Human Genome P ojec .
[2] Pe e J. Russell. Gene ics. 4ª. Ed. Ha pe Collins, 1996.
[3] Mille SA, Dykes DD y Polesky HF. “A sim ple sal ing ou p ocedu e o
ex a c ing DNA om human nuclea ed cells”. En: Nucleic Acids Resea ch 16.3
( eb. de 1988), pág. 1215.
[4] Abou BGI. URL: www.genomics.cn
[5] Illumina HiSeq 2000. URL:
h p://www.genomics.cn/en/na iga ion/show_na iga ion?nid=4145
[6] An In oduc ion o Nex -Gene a ion Sequencing Technology. URL:
h p:// es.illumina.com/documen s/p oduc s/illumina_sequencing_in od
uc ion.pd
[7] Mille SA, Dykes DD y Polesky HF. “A sim ple sal ing ou p ocedu e o
ex a c ing DNA om human nuclea ed cells”. En: Nucleic Acids Resea ch 16.3
( eb. de 1988), pág. 1215.
[8] Bu ows-Wheele Aligne . URL: h p://bio-bwa.sou ce o ge.ne /
[9] McKenna A y col. “ The Genome Analysis Toolki : a Ma- pReduce amewo k
o analyzing nex -gene a ion DNA seque ncing da a”. En: Genome Res. 20.
(sep. de 2010), pa gs. 1297-1303.
[10] Pica d. URL: h p://pica d.sou ce o ge.ne /
[11] Wo king wi h BAM Files. URL:
h p://www.ncbi.nlm.nih.go / ools/gbench/ u o ial6/
[12] BamView. URL: h p://bam iew.sou ce o ge.ne /
[13] Sam ools. URL: h p://sam ools.sou ce o ge.ne /
[14] Li H. e al. The Sequence Alignmen /Map o ma and
SAM ools. Bioin o ma ics. 2009 Aug 15; 25(16):2078-9.
[15] The Va ian Call Fo ma and VCF ools, Pe Danecek, Adam Au on,
Goncalo Abecasis, Co nelis A. Albe s, E ic Banks, Ma k A. DeP is o, Robe
Handsake , Ge on Lun e , Gabo Ma h, S ephen T. She y, Gilean McVean,
Richa d Du bin and 1000 Genomes P ojec Analysis G oup, Bioin o ma ics,
2011.
[16] Danecek P. e al. The a ian call o ma and VCF ools.
Bioin o ma ics. 2011 Aug 1; 27(15):2156-8.
67
Escuela de Ingenie ía In o má ica - ULPGC
[17] Fe nando Ga cía-Alcalde, Kons an in Okonechniko , José Ca bonell,
Luis M. C uz, S e an Gö z, Sonia Ta azona, Joaquín Dopazo, Thomas F. Meye ,
and Ana Conesa "Qualimap: e alua ing nex -gene a ion sequencing
alignmen da a." Bioin o ma ics 28, no. 20 (2012): 2678-2679.
[18] Xosé M. Fe nández-Suá ez and Michael K. Schus e
Using he Ensembl Genome Se e o B owse Genomic Sequence Da a.
UNIT 1.15 in Cu en P o ocols in Bioin o ma ics, Jun 2010.
www.ncbi.nlm.nih.go /pubmed/20521244
[19] Blas . Al schul S.F., Gish W., Millwe W., Mye s E.W. and Lipman D.J.
(1990) Basic local alignmen sea ch ool.
J. Mol. Biol. 215: 403-410.
[20] Paul Flicek, M. Ridwan Amode, Daniel Ba ell, Ka h yn Beal,
Kons an inos Billis, Simon B en , Denise Ca alho-Sil a, Pe e Clapham, Guy
Coa es, S ephen Fi zge ald, Lau en Gil, Ca los Ga cía Gi ón, Leo Go don,
Thibau Hou lie , Sa ah Hun , Na han Johnson, Thomas Jue emann, And eas K.
Kähä i, S ephen Keenan, Eugene Kulesha, Fe gal J. Ma in, Thomas Mau el,
William M. McLa en, Daniel N. Mu phy, Rishi Nag, Be O e duin, Miguel
Pigna elli, Be han P i cha d, Emily P i cha d, Ha p ee S. Ria , Magali Ru ie ,
Daniel Sheppa d, Kie on Taylo , Anja Tho mann, S ephen J. T e anion,
Alessand o Vullo, S e en P. Wilde , Ma k Wilson, Amonida Zadissa, B onwen
L. Aken, Ewan Bi ney, Fiona Cunningham, Jenni e Ha ow, Ja ie He e o,
Tim J.P. Hubba d, Rhoda Kinsella, Ma hieu Mu a o, Anne Pa ke , Giulie a
Spudich, Andy Ya es, Daniel R. Ze bino, and S ephen M.J. Sea le Ensembl
2014
Nucleic Acids Resea ch 2014 42 Da abase issue:D749-D755.
doi: 10.1093/na /gk 1196
68
Escuela de Ingenie ía In o má ica - ULPGC
13. Anexo 1: Fo ma o de iche os.
FASTQ
En la siguien e Figu a 1.1 obse amos como es á es uc u ado los
p ime as líneas de un iche o “. as q”. La p ime a línea es el iden i icado
(comenzando po @), después del cual iene la secuencia. La línea que
comienza con + suele con ene o a ez el mismo iden i icado , aunque se
puede omi i pa a aho a espacio en disco. Al inal iene una se ie de
ca ac e es que ep esen an la calidad, un ca ác e po cada le a de la
secuencia.
Pa a que la cadena de alo es de calidad enga la misma longi ud que
la secuencia, se codi ica el núme o con i iéndolo en un ca ác e ascii. Pa a
e i a ca ac e es ascii que no se pueden desplega en pan alla, se suele
ag ega 33 al núme o de calidad an es de codi ica lo.
Figu a 1.1
VCF
En las siguien es Figu as 1.2 y 1.3 podemos obse a como es á
es uc u ado un a chi o de a ian es de o ma o “.VCF” [15] :
69
Escuela de Ingenie ía In o má ica - ULPGC
Figu a 1.2
En es a p ime a imagen obse amos las p ime as líneas del a chi o
“. c ”, en el cual nos expone una in o mación (me a-in o mación) de cómo
se á el con enido y la es uc u a que end á dicho iche o. Es a me a-
in o mación es inc luida después de la cadena “##” y debe se o mada po
“cla e = alo ”.
En es as p ime as líneas encon amos los siguien es campos
asociados a sus alo es:
 File o ma : Es e campo siemp e es eque ido y debe se la p ime a
línea del iche o. In o ma del núme o de la e sión del iche o de las
a ian es.
 In o: Es e campo puede se de a ios ipos: en e o, eal, lag,
ca ác e y cadena. Ta mbién con iene un campo “Numbe ” que es de
ipo en e o en el cuál se desc ibe el núme o de alo es que puede se
incluido con el camp o “In o”.
 Fil e : Es e campo in o ma de los il os que se han aplicado a los
da os.
 Fo ma : Es e campo indica los di e en es campos del Geno ipo que
se an a expone .
 Con ig: Es un conjun o de lec u as con iguas que es án elacionadas
en e sí median e la supe posición de secuencias. Al igual que con
las secuencias c omosómicas es muy ecomendable que la cabece a
incluya e ique as que d esc iben los “con igs” que hacen e e encia al
iche o “. c ”. El o ma o es idén ico a la de una secu encia de
e e encia, pe o con una e ique a URL adicional que indica dónde
puede se encon ado la secuencia.

70
Escuela de Ingenie ía In o má ica - ULPGC
En la Figu a 5.6 emos como es á es uc u ado las líneas de los da os
del iche o. Es á o mado po 8 campos (además de 2 campos más que son
opcionales), en el cuál odas sus líneas es án delimi ados po abulado es.
Los alo es pe didos es án especi icados po un “.”.
A con inuación explica emos cada uno de los campos que es á
es uc u ado dichas líneas:
 CHROM (c omosoma): Con iene un iden i icado a pa i del
genoma de e e encia o una cadena ID en e co che es que apun a
a un “con ig” en el a chi o de ensamblado. Todas las en adas
pa a un especí ico c omosoma deben o ma un bloque con iguo
en el VCF.
 POS: La posición de e e encia, con la p ime a base que iene la
posición 1. Las posiciones son o denadas numé icamen e, en
o den c ecien e, den o de cada secuencia de e e encia CHROM.
Se pe mi e ene múl iples egis os con el mismo pun o de en a.
Los elóme os
x ii
son indicados usando las posiciones 0 o N+,
dónde N es la longi ud del co espondien e c omosoma o con ig.
 ID: Iden i icado de la a ian e. Si se a a de una a ian e de ipo
“dbSNP” se inci a a u iliza el/los núme o/s s. Sin iden i icado
debe ía es a p esen e en más de un egis o de da os. Si no
exis ie a ninguna iden i icación posible, se le asigna el alo
pe dido po de ec o.
 REF (base de e e encia): Cada base debe se uno de A, C, G, T,
N. Se pe mi en múl iples bases. El alo en el campo POS se
e ie e a la posición de la p ime a base de la cadena. Pa a
inse ciones y deleciones en los que an o REF o uno de los alelos
de ALT debe ían de o o modo se acíos/nulos, las cadenas REF
y ALT deben inclui la base an es del e en o (debe e leja se en el
Figu a 1.3
71
Escuela de Ingenie ía In o má ica - ULPGC
campo POS), a menos que el e en o se p oduzca en la posición 1
en el con ig en cuyo caso se debe inclui la base después del
e en o.
 ALT (base al e na i a): Las opciones son cadenas de bases
o madas po las bases A, C, G, T, N o un iden i icado ID o una
cadena al e na i a llamada “b eakend”. Si no hay alelos
al e na i os, en onces se debe usa el alo pe dido.
 QUAL: En campo se u iliza pa a asigna un alo de calidad con
espec o al campo ALT. Las pun uaciones al as indican llamadas
de al a con ianza.
 FILTER: Es e campo end á el alo “PASS” si la posición ha
pasado odos los il os, es deci , si se ha ealizado una llamada a
es a posición. De lo con a io, si no se ha pasado odos los il os,
se hace una lis a sepa ados po “;” de los il os que han sido
us ados.
 INFO: En es e campo se añade in o mación adicional si se
equi e e. Es á codi icado como una se i e sepa ada po “;” con el
o ma o “cla e = alo ”.
72
Escuela de Ingenie ía In o má ica - ULPGC
14. Anexo 2: He amien as Adicionales.
Exis en he amien as adicionales pa a se u ilizadas en el a amien o
de iche os especí icos, aunque no es án elacionadas con alguna ase en
pa icula en el lujo de análisis del ADN.
Una de las he amien as que son imp escindibles pa a el a amien o
con el ADN es el conjun o de paque es Sam ools/Pica d. Es os dos
paque es se enca gan de la manipulación de los iche os en o ma o SAM y
su co espondien e bina io BAM, e e en e al alineamien o de secuencias.
Sam ools
Es un conjun o de u ilidades que manipulan los alineamien os en el
o ma o de BAM. Impo a y expo a a pa i del o ma o SAM (Sequence
Alignmen / Map), la no clasi icación, la usión y la indexación, y pe mi e
ecupe a lec u as en cualquie egión con apidez. [14]
Sam ools es á diseñado pa a abaja en “s eam” (lec u a con inua).
Conside a un a chi o de en ada "-" como la en ada es ánda (s din) y un
a chi o de salida "-" como la salida es ánda (s dou ). Va ios comandos de
se pueden combina con “pipes”
x iii
de Unix. Sam ools siemp e ale a de las
salidas y los mensajes de e o a la salida de e o es ánda (s de ).
También es capaz de ab i un BAM (no SAM) de a chi os en un
FTP emo o o se ido HTTP si el nomb e de a chi o de BAM comienza
con " p://" o "h p://". Sam ools comp ueba el di ec o io de abajo ac ual
pa a el a chi o de índice y se desca ga á el índice sob e la ausencia. No
ecupe a el a chi o de alineación en e o, a menos que le pidamos que lo
haga.
Una ez ins alada la he amien a, pod emos isualiza es e ipo de
iche os de alineamien o de secuencias. Dicha he amien a posee di e en es
opciones que amos a e a con inuación:
 sam ools iew: Ex ae o imp ime odo o pa e de los alineamien os
en el o ma o SAM o BAM. Si no se especi ica ninguna egión, se
imp imi án odas las egiones; de lo con a io sólo alineamien os
supe pues os de las egiones especi icadas se án mos adas. Un
alineamien o se puede adminis a a ias eces si es la supe posición
de a ias egiones.
73
Escuela de Ingenie ía In o má ica - ULPGC
 sam ools so : O dena alineamien os po las coo denadas del
ex emo izquie do.
 sam ools index: Indexa el alineamien o o denado pa a acceso
a lea o io ápido. Gene a un iche o en o ma o “.BAI”.
 sam ools idxs a s: Recupe a e imp ime es adís icas en el iche o
índice. La salida es á delimi ado po abulado es con cada línea que
consis e en nomb e de la secuencia de e e encia, longi ud de la
secuencia, lec u as mapeadas y lec u as no mapeadas.
 sam ools me ge: Combina múl iples alineamien os o denados. La
lis as de e e encias de cabece a de odos los a chi os de BAM de
en ada, y los @SQ cabece as, si los hay, odos deben e e i se al
mismo conjun o de secuencias de e e encia.
 sam ools aidx: Indexa la secuencia de e e encia en el o ma o
FASTA o ex ae una subsecuencia de la secuencia de e e encia
indexada. Si no se especi ica ninguna egión, “ aidx” indexa á el
a chi o y c ea < e . as a> en el disco. Si las egiones son
especi icadas, las subsecuencias se ecupe a án y se imp imen po la
salida es ánda en el o ma o FASTA. El a chi o de en ada puede
se comp imido en el o ma o RAZF.
 sam ools mpileup: Gene a BCF o “pileup”
xix
pa a uno a ios
a chi os de BAM. Los egis os de alineamien o son ag upados po
iden i icado es de mues a en @RG líneas de cabece a. Si los
iden i icado es se encuen an ausen es, cada a chi o de en ada se
conside a una mues a.
 Sam ools iews: Viso de alineamien o de ex o (basado en la
biblio eca ncu ses).
O a he amien a que explica emos a con inuación se llama
“VCFTools” diseñado pa a la manipulación de iche os VCF.
VCFTools
Es un paque e de p og amas diseñados pa a abaja con a chi os
VCF, como los gene ados po el P oyec o 1000 genomas. El obje i o de