Introducción
El genoma de los seres vivos es el conjunto de genes que se encuentran distribuidos en cromosomas. Los genes, a su vez, son secuencias de ADN que contienen toda la información necesaria para sintetizar las proteínas, moléculas esenciales para la vida que realizan prácticamente todas las funciones celulares. Cuando un gen se «activa» para dar lugar a su proteína correspondiente, diremos que ese gen se está expresando en esa célula. Es conocido que anomalías en la expresión de los genes pueden llevar a disfunciones celulares, provocando graves enfermedades como el cáncer, entre muchas otras. Los genes que tengan su expresión alterada en un tejido tumoral respecto a un tejido sano del mismo órgano, por ejemplo, serán claros candidatos a tener alguna implicación en el proceso neoplásico. Por lo tanto, la identificación de los genes desregulados es un paso importante para conocer las bases moleculares de muchas enfermedades de carácter genético.
Desde mediados de los años noventa existe la técnica de los microarrays de ADN, que permite monitorizar simultáneamente el nivel de expresión de miles de genes en un conjunto de células. Sin embargo, la potencia que nos ofrece esta herramienta implica nuevos retos en lo que se refiere al análisis estadístico. Los datos que se generan con microarrays, aparte de tener un gran volumen, se caracterizan por ser altamente variables, por lo que serán básicos tanto el análisis estadístico como el diseño experimental que se plantee para solucionar las diferentes cuestiones biológicas que nos propongamos.
En este trabajo explicaremos primero con más detalle qué es un microarray y cómo funciona, para después tratar sobre cuáles son sus principales usos. Seguidamente hablaremos de los diferentes diseños experimentales que se pueden utilizar, y pasaremos a tratar las diversas partes que componen el análisis de un microarray, desde el procesamiento de la imagen y control de calidad de los datos hasta el tratamiento estadístico para identificar genes de interés. Finalmente, hablaremos sobre las diferentes técnicas de análisis multivariante que se pueden utilizar para extraer el máximo conocimiento de nuestros datos. La figura 1 muestra un esquema con los aspectos más relevantes de un protocolo de experimentos con microarrays.
Fig. 1. Protocolo a seguir en un experimento de microarraysy partes que componen su análisis estadístico.
¿Qué es un microarray de ADN y cómo funciona?
Los microarrays de ADN son una herramienta que permite realizar análisis genéticos diversos basados en la miniaturización de procesos biológicos. La primera aplicación de esta tecnología fue para medir simultáneamente el nivel de expresión de miles de genes1. Las mejoras tecnológicas han perfeccionado la calidad y han ampliado el espectro de aplicaciones, de manera que los microarrays se han consolidado como herramientas útiles en investigación genética con aplicaciones en medicina2,3. El funcionamiento de los microarrays de expresión se basa en la capacidad de las moléculas complementarias de ADN de hibridar entre sí. Pequeñas cantidades de ADN, correspondientes a diversos genes cuya expresión se desea medir, son depositadas en una base de cristal. Para ello se utilizan robots de precisión que usan unas agujas especiales para obtener las moléculas de sus recipientes y depositarlas en las coordenadas adecuadas. A estas muestras de ADN depositadas en el microarray las denominaremos dianas. En un microarray típico, una superficie de 2 * 2 cm puede contener más de 10.000 dianas en forma de pequeños puntos separados adecuadamente (fig. 2). De las células que queramos medir su expresión obtendremos una muestra de ARN que se convertirá en ADN complementario (ADNc) y se marcará con una molécula fluorescente. A esta muestra marcada la denominaremos sonda y se enfrentará a las dianas del microarray. Cada molécula de ADNc marcada de la sonda se moverá por difusión hacia la diana que contenga su molécula complementaria para hibridarse con ella y quedar fijada allí. Después de un tiempo para que la mayoría de las cadenas complementarias hibriden, el microarray se lava y se procede a hacer una medición relativa de la cantidad de ADN de la sonda que ha quedado fijada en cada diana.
Fig. 2. Imagen de un microarray de ADNc. Contiene 4.608 clones depositados por duplicado en un soporte sólido, que habitualmente suele ser de vidrio.
Existe otra tecnología que emplea oligonucleótidos (secuencias cortas de ADN, de unas 15-30 bases)4. Estos oligonucleótidos, en lugar de ser depositados en el soporte mediante un robot, son sintetizados directamente sobre el soporte mediante una técnica denominada fotolitografía que es similar a la empleada para confeccionar circuitos microelectrónicos sobre silicio. Esta tecnología requiere una infraestructura muy sofisticada y su empleo por el momento está limitado a unas pocas empresas especializadas entre las que destaca Affymetrix. Para detectar la expresión de un gen se emplea una serie amplia de oligonucleótidos, alrededor de 30, por lo que estos microarrays contienen muchas más dianas, lo que es factible porque la fotolitografía permite obtener mayores densidades.
¿Para qué sirven los microarrays de ADN?
Las aplicaciones de los microarrays se amplían cada día, aunque por el momento hay 3 grandes áreas consolidadas:
El análisis del nivel de expresión génica
Ya se ha mencionado y se explicará con mayor detalle más adelante. En estos experimentos se obtienen datos sobre el nivel de expresión de miles de genes. A partir de estos datos, empleando un diseño experimental correcto y técnicas estadísticas adecuadas, se pueden realizar estudios de diagnóstico y caracterización de tumores u otros tejidos5-8, identificación de los genes que modifican su expresión tras la administración de fármacos9 o identificación de genes con valor pronóstico10,11. También se han empleado para asignar función a secuencias de ARN que se expresan pero cuya función era desconocida (EST) y para identificar grupos de genes que forman redes de regulación génica12. Otras aplicaciones son el diagnóstico de enfermedades infecciosas a partir de la detección del genoma del germen en tejidos13,14.
Genotipificación
Una muestra de ADN obtenida de un tejido o fluido, adecuadamente amplificada, puede ser estudiada para detectar mutaciones en genes de interés o variantes génicas (polimorfismos en un nucleótido, SNP en la terminología de este campo). Esta metodología tiene usos potenciales para la detección de riesgo o susceptibilidad para presentar enfermedades15,16. Variantes de estos microarrays permiten secuenciar genes con mutaciones conocidas.
Detección del número de copias del ADN
Similar a la técnica de hibridación genómica comparada (CGH), se han diseñado microarrays para detectar ganancias o pérdidas alélicas en miles de secuencias, lo que permite obtener mapas cromosómicos mucho más detallados que la CGH tradicional17. Estas técnicas tienen interés potencial en el estudio del pronóstico de tumores, ya que éste se halla asociado al nivel de daño genómico. También puede ser útil para detectar nuevos oncogenes y genes supresores de tumores.
¿Cómo se usan los microarraysde expresión?
Se describirá en este apartado la metodología empleada en microarrays de ADNc (fig. 3). El objetivo del experimento es detectar genes que se expresan en un tejido. El proceso se inicia con la extracción del ARN de la muestra. El ARN es muy inestable y se degrada en pocos minutos, por lo que los tejidos deben ser frescos o congelados inmediatamente tras su obtención. El ARN se convierte en ADNc mediante una transcriptasa reversa y en este proceso se marca con un fluorocromo, es decir, con una molécula que posteriormente emitirá luz al ser excitada mediante una luz láser adecuada.
Fig. 3. Esquema del funcionamiento de un microarrayde ADNc. De 2 muestras diferenciadas, A y B, se extrae el ARN, que después será retrotranscrito a ADNc y marcado con unos fluorocromos (moléculas que emiten luz cuando son excitadas). Los 2 ADNc marcados con distintos fluorocromos, llamados sondas en la terminología de los microarrays, se hibridan conjuntamente de manera competitiva contra un conjunto de ADNc diana depositados en un soporte de vidrio (microarray), obteniéndose así una imagen como la de la figura.
La sonda de ADNc marcado, que contiene una muestra de los genes que se expresan en el tejido de origen, se hibridará con las secuencias diana depositadas en el microarray, que son complementarias a las expresadas. Debido a que la eficiencia del marcado puede ser variable según los genes, y que la cantidad de ADN diana puede no ser igual de un microarray a otro, normalmente se realizan experimentos en competición. Éstos consisten en comparar sobre un mismo microarray 2 muestras de ADN de tejidos diferentes, cada una marcada con un fluorocromo distinto. Las 2 muestras se mezclan y se hibridan simultáneamente sobre el microarray. Este diseño experimental es ventajoso en cuanto que las comparaciones entre las 2 muestras de un microarray tienen menor variabilidad que las comparaciones de muestras de diferentes microarrays y también se reduce a la mitad el número de microarrays necesarios.
Una vez se ha producido la hibridación, el microarray se lee con un escáner láser y se obtienen 2 imágenes, una para cada fluorocromo usado, con puntos de luz cuyas intensidades variarán según el nivel de hibridación que se haya producido en cada diana. Estas imágenes se procesan mediante un software que cuantifica la señal de cada punto (diana) para cada fluorocromo (muestra) y elabora una base de datos que será analizada con técnicas estadísticas. Con frecuencia se elabora una imagen superpuesta de las dos en forma de seudocolor. Una de las imágenes se colorea en rojo y la otra en verde. De esta manera, los puntos amarillos tienen señal alta en las 2 muestras en cantidad similar. Los puntos rojos o verdes indican que la expresión de ese gen predomina en una de las muestras (fig. 2).
Diseño de experimentos
Como ya se ha mencionado, en un microarray de ADNc se analizan simultáneamente 2 muestras. Esta limitación no impone restricciones en el tipo de estudios que pueden realizarse, pero hace necesario que se utilicen diseños adecuados. Como la tecnología de microarrays es muy cara, algunos investigadores están tentados de realizar experimentos sin réplicas. De hecho, existe una serie amplia de técnicas que pretenden identificar qué genes se expresan de manera diferente en 2 tejidos a partir de un único microarray. Estos métodos consisten en definir un umbral en la razón de intensidades a partir del que se considera que existe un cambio significativo. El método más simple emplea un valor de umbral fijo que suele ser 2, es decir, la señal de expresión de un canal tiene una intensidad doble que la del otro. Este método no se basa en criterios estadísticos e ignora por tanto la variabilidad observada en la razón de intensidades. Otros métodos que utilizan criterios estadísticos son los de Chen, que define el umbral según la variabilidad observada18; el de Sabatti, que emplea información de un experimento de reproducibilidad19, y el de Newton, que usa una aproximación bayesiana empírica20. Hoy día, sin embargo, se reconoce que los experimentos basados en un único microarray tienen poca validez, pues los datos tienen gran variabilidad que es necesario controlar con el empleo de un número de réplicas y de tamaños de muestra adecuados21-26.
Otro aspecto importante para el diseño es el tipo de control a emplear y la distribución de muestras entre microarrays. Para aprovechar la reducción de variabilidad en las comparaciones dentro de un microarray, el diseño óptimo es aquel que enfrenta en un microarray 2 muestras que interesa comparar directamente. Por ejemplo, en la búsqueda de genes que se expresen diferencialmente en tumores respecto al tejido sano se hibridarán conjuntamente las muestras del mismo individuo (fig. 4a).
Fig. 4. Diferentes modelos experimentales que se pueden utilizar en los experimentos con microarrays de ADNc. La dirección de la flecha indica el fluorocromo con que se marca la muestra (base: rojo y punta verde). A: varias muestras apareadas de dos condiciones (A/B). B: cada muestra (A, B, C) se hibrida con una referencia común (R). C: diseño circular de 3 muestras. D: diseño factorial, que permite evaluar simultáneamente 2 factores como tipo de tejido (A/B) y tratamiento (1/2).
Si se desea comparar más de dos condiciones entre sí, los diseños (maneras de aparear las muestras) pueden ser variados. Se han utilizado con frecuencia diseños que aparean cada muestra con un patrón común, que suele ser una combinación de varias de ellas (fig. 4b). Este diseño es fácil de entender y permite realizar comparaciones individuales entre las muestras, pero no es óptimo. Los diseños circulares (fig. 4c) o factoriales (fig. 4d) son más convenientes para obtener la mejor razón entre la varianza del error (residual) y el número de microarrays empleado21,25.
Análisis de la imagen
La cuantificación de la señal a partir de las imágenes es un proceso muy importante ya que determina los valores que posteriormente se analizarán. En la actualidad existen múltiples herramientas, tanto comerciales como de libre distribución (ScanAlyze, de la Universidad de Stanford), diseñadas exclusivamente para analizar las imágenes de microarrays. Las imágenes a analizar suelen ser 2 archivos en formato TIFF en escala de grises de 16 bits, es decir, cada píxel puede tener una intensidad de señal entre 0 y 216 1 (65.535).
El proceso de análisis de la imagen se puede dividir en 3 etapas. En primer lugar se localizan los puntos a partir de los datos que proporciona el fabricante del microarray (cuántos puntos hay, cómo están agrupados, separación teórica entre los centros). A continuación se realiza la segmentación, que consiste en identificar qué píxeles corresponden a un punto y qué píxeles son fondo. Por último, se procede a la cuantificación, a menudo como el promedio o la mediana de las intensidades de los píxeles que forman el punto. En este apartado es importante que el software proporcione varias medidas que puedan ser empleadas como indicadores de la calidad del punto. Medidas típicas son los índices de circularidad, diámetro máximo, perímetro, homogeneidad de la señal dentro del punto, etc. También es necesario obtener una medida del fondo, es decir, el nivel de señal en los píxeles reconocidos como fuera de los puntos. Este valor normalmente se sustrae de la intensidad en el punto para obtener la intensidad neta. La razón entre la señal en el punto y en el fondo también es un índice de calidad importante.
Análisis estadístico
Una vez se han analizado las imágenes y almacenado los datos, la última parte del proceso consiste en realizar su análisis estadístico. Estos análisis pueden tener diferentes objetivos y emplean técnicas específicas:
Control de calidad de los datos
Consiste en detectar valores incorrectos para su posterior exclusión de los análisis. Estos valores incorrectos pueden surgir por problemas en la calidad de los experimentos o por accidentes durante su manipulación, como rascadas en la superficie del microarray. Su detección puede realizarse empleando límites de tolerancia en los indicadores de calidad del punto. Es muy útil que el diseño del microarray incluya réplicas de una misma diana. La comparación de las réplicas permite identificar casos discordantes (fig. 5).
Fig. 5. Control de calidad de la hibridación. A: diferencias de intensidad considerables entre las dos réplicas de un clon. B: problemas en la segmentación debidas a una mota de polvo en el chip.
Normalización de los datos
El objetivo de la normalización es eliminar la variabilidad sistemática introducida por el proceso técnico que no está relacionada con el nivel de expresión27. Las 2 imágenes de un microarray se obtienen por separado, cada una con una longitud de onda diferente (normalmente rojo y verde) y una potencia que debe ajustarse de manera independiente para evitar saturación. El ajuste independiente hace que las 2 imágenes no sean comparables en cuanto a intensidad si no se normalizan previamente.
Existen múltiples métodos para normalizar. La mayoría supone que son pocos los genes que cambiarán su expresión, por lo que el promedio estimado por un método robusto debe centrarse. El método más recomendado emplea modelos de regresión de datos suavizados mediante técnicas no paramétricas que capturen la no linealidad como el lowess28, dado que las diferencias entre imágenes suelen tener una distribución variable con la intensidad27. En la figura 6a se muestran los datos de un experimento en el que el ADNc de un mismo tejido se marcó con los 2 fluorocromos (R y G). Esperaríamos que la nube de puntos se situara alrededor de la recta con pendiente 1 que pasa por el origen. Puede apreciarse que la nube de puntos está desplazada por debajo de la línea teórica y muestra una desviación no lineal. La magnitud de la dispersión corresponde a la variabilidad de la técnica, pues recordamos que las 2 muestras corresponden al mismo tejido. Para obtener una mejor visualización, normalmente se transforman los valores según las fórmulas: A = log(R*G)/2 y M = log(R/G). El valor A corresponde al logaritmo de la intensidad media (geométrica) de los 2 colores y el M al logaritmo de la razón de las intensidades. La figura 6b muestra los mismos datos transformados. La curva central a la nube de puntos muestra la estimación no paramétrica de la relación entre M y A, obtenida por el método lowess L = lowess(A,M). La normalización consiste simplemente en restar a cada punto la diferencia entre M y L. El resultado puede apreciarse en la figura 6c.
Fig. 6. Normalización de las intensidades del canal rojo (R) y verde (G) obtenidos en un experimento de reproducibilidad (la misma muestra marcada con diferente fluorocromo). A: gráfica log(R) frente a log(G), donde se aprecia menor señal en la muestra marcada con el fluorocromo rojo. B: gráfica M = log(R/G) frente a A = log(R*G)/2 sin normalizar. Es simplemente una transformación de la anterior donde se aprecia mejor que las diferencias siguen una curva no lineal en función de la intensidad. C: gráfica M frente a A después de normalizar mediante regresión local robusta (lowess).
El modelo de normalización puede incluir covariables, además de la intensidad media, de las que dependa el valor de la señal. Se recomienda, por ejemplo, estratificar el modelo según la aguja del robot que produjo el microarray, o emplear información espacial para eliminar posibles heterogeneidades en la intensidad de la hibridación en diferentes zonas del microarray (normalización en 2 dimensiones). Otros métodos, útiles para normalizar múltiples microarrays, se basan en igualar no sólo el promedio de razón de intensidades de cada fluorocromo, sino la forma de la distribución (normalización por cuantiles). Este método se usa de forma rutinaria con microarrays de oligonucleótidos y puede emplearse también para los microarrays de ADNc.
Tratamiento de valores perdidos
Cuando se analizan datos de múltiples microarrays puede ser importante dar un tratamiento adecuado a los valores perdidos. Trabajar con los puntos con información completa en todos los microarrays puede suponer una pérdida importante de genes valorables. A menudo se emplean técnicas de imputación basadas en medias condicionales del gen respecto al conjunto de los microarrays o respecto a los valores de los puntos vecinos29.
Análisis de la diferencias de expresión a nivel de ARN
Este apartado del análisis pretende determinar qué genes varían su nivel de expresión en función del tejido analizado (por ejemplo, normal y tumor). Dado que en un experimento típico se emplean relativamente pocos casos y se quiere investigar si existen diferencias en miles de variables (genes), las técnicas estadísticas clásicas no son adecuadas sin las correspondientes modificaciones. Por un lado, no puede asegurarse la normalidad de los datos que requieren las pruebas estadísticas clásicas. Por otro lado, la tasa de resultados falsamente positivos puede ser muy elevada si no se emplean correcciones que tengan en cuenta la multiplicidad de hipótesis que se prueban. Las soluciones propuestas para estos problemas son emplear tests de permutaciones para evaluar empíricamente el nivel de significación para cada gen y, posteriormente, controlar la tasa global de resultados falsos positivos mediante un ajuste de los valores p que tengan en cuenta las múltiples comparaciones realizadas.
Los tests de permutaciones construyen la distribución de probabilidad empírica a partir de los propios datos mediante muestreo múltiple30,31. Se emplea un test estadístico clásico como la t de Student u otra prueba adecuada según el tipo de variable o diseño de estudio. Se calcula, para un gen, el valor del test que compara los grupos (valor observado). Se repite el mismo test múltiples veces de manera que cada vez la asignación del grupo (normal o tumor) se cambia al azar. De esta manera se simula la situación en la que no hay diferencias, pues la asignación de cada muestra a uno u otro grupo es aleatoria. Finalmente, el valor p se calcula a partir del percentil que ocupa el valor observado en la distribución de valores obtenidos por permutación. Con unos cientos de permutaciones suele ser suficiente para obtener el valor p, pero pueden precisarse varios miles si se desea diferenciar entre valores pequeños (muy significativos). Este proceso se repite por separado para cada gen.
Los métodos para evitar resultados falsos positivos corrigen los valores p para controlar el nivel global de significación. Existen varios métodos, desde el más sencillo de Bonferroni, que consiste en considerar significativos sólo aquellos valores p inferiores al cociente entre alfa y el número de tests. Este método es muy conservador pues asume que cada test es independiente, lo cual probablemente es falso en el contexto del análisis de múltiples genes en microarrays de ADN, ya que la expresión de algunos genes puede estar correlacionada. Otros métodos de control del nivel global de significación emplean procedimientos adaptados y tienen en cuenta la correlación entre tests. Los más empleados en el contexto de microarrays utilizan también métodos de remuestreo como el min-P y max-T32.
También se ha propuesto una serie de procedimientos de análisis que se basan en métodos bayesianos puros o bayesianos empíricos. Algunos de estos procedimientos son interesantes ya que proponen que los resultados observados provienen de una mezcla de dos tipos de genes, los que no cambian su expresión (la mayoría) y los que cambian. Para estimar qué genes pertenecen a cada grupo se emplean mixturas de distribuciones que se rigen por una serie de parámetros. Con frecuencia los valores de estos parámetros se estiman a partir de la información que aporta el propio experimento (métodos bayesianos empíricos), pero otras veces los propone el investigador, que puede haberlos obtenido de otros estudios (métodos bayesianos puros). En cualquier caso, estos métodos son interesantes pues tienden a suavizar los valores extremos, que suelen ser la causa de resultados falsamente positivos33.
Clasificación de muestras o genes
A partir de los genes que muestren expresión diferencial se puede intentar buscar patrones con el objetivo de clasificar las muestras34-38. Posteriormente, tras evaluar las características de las muestras agrupadas, se pueden identificar «genes prototipo» que definan los grupos. También se pueden buscar grupos de genes que muestren un patrón de expresión diferencial similar. Esto puede ser útil para asignar función a genes o secuencias que se expresan que hasta ahora la tienen desconocida. Estos análisis también se han empleado para identificar redes de regulación génica39,40.
Existen múltiples métodos de clasificación automática. Los más utilizados se basan en técnicas de análisis de conglomerados o clusters jerárquicos, que pueden emplear diferentes distancias y algoritmos35. Estas técnicas generan un gráfico en forma de árbol (dendograma) con la jerarquía obtenida. El problema suele ser decidir por dónde cortar el árbol para definir el número de grupos identificados. Como alternativa, se puede definir a priori el número de grupos que se desea identificar y usar métodos que reparten las observaciones de manera óptima entre los grupos. Entre estas técnicas se encuentran el «k-means» y los «Self Organizing Maps»36,41. Otros métodos se basan en mixturas paramétricas («model based clustering»)42. Los análisis de clusters se pueden aplicar para agrupar muestras o agrupar genes. También pueden realizarse las 2 agrupaciones simultáneamente, lo que permite interpretar más fácilmente los resultados. La figura 7 muestra una doble clasificación (muestras en columnas y genes en filas) donde se aprecian 2 grupos de muestras y 2 de genes. La imagen en seudocolor muestra en rojo genes con expresión aumentada y en verde genes con expresión disminuida. A menudo las técnicas de clusters se combinan con técnicas de reducción de la dimensionalidad como el análisis de componentes principales43 y la regresión de mínimos cuadrados parciales («partial least squares»)44.
Fig. 7. Análisis de conglomerados (clusters) de dos dimensiones para una selección de 449 genes de un microarray.Los genes están dispuestos en columnas. En filas se han seleccionado las razones de intensidades de 10 experimentos comparando tejido tumoral con el tejido normal del mismo individuo. Los genes con color rojo presentan una sobreexpresión en el tumor, mientras que los de tonalidad verde están más expresados en el tejido sano.
Cuando las muestras están caracterizadas por variables que interesa diferenciar, los métodos de clasificación supervisada son más eficaces. Ejemplos de aplicación son la discriminación en función del tipo de tejido (normal o tumoral) o en función del tipo celular o pronóstico. Entre los métodos de clasificación supervisada destacan los de regresión discriminante, con múltiples versiones (lineal, cuadrática, logística, etc.), las redes neurales, los árboles, etc. Una excelente revisión de estos métodos aplicados al análisis de microarrays puede encontrarse en el libro de Hastie et al45.
Hay una amplia disponibilidad de software de uso libre para analizar datos de microarrays. Merece una mención especial el proyecto Bioconductor (www.bioconductor.org), que contiene numerosas herramientas para análisis gráfico y estadístico basadas en el software R (www.r-project.org).
Discusión
Los microarrays para análisis genéticos se están consolidando como una tecnología útil, a pesar de que es relativamente reciente y todavía adolece de limitaciones técnicas como una gran variabilidad. La tecnología mejora día a día, por lo que los problemas de escasa reproducibilidad se solventarán a corto plazo.
El campo que ha recibido con mayor entusiasmo esta tecnología es la oncología, donde ya se han publicado interesantes resultados en cuanto a clasificación molecular y predicción de pronóstico en varios tumores5-7,37,46,47. Las aplicaciones a otros campos de la medicina como cardiología48, neumología49 o reumatología50, entre otras, también son prometedoras.
Uno de los principales retos que afronta esta tecnología es evitar un excesivo entusiasmo en el momento de reportar resultados para evitar frustraciones por falsos positivos. Cada experimento con microarrays evalúa miles de hipótesis simultáneamente, por lo que un análisis ligero, sin las debidas correcciones estadísticas, puede generar resultados falsamente significativos. La identificación de señales interesantes en un microarray debe ser verificada con otras técnicas y, como en otros campos del conocimiento, es necesario que experimentos en muestras independientes repliquen los resultados antes de adoptarlos como válidos. Por el momento los microarrays se utilizan fundamentalmente en investigación, pero dentro de poco aparecerán aplicaciones clínicas para diagnóstico o evaluación de riesgo.
Agradecimientos
Esta revisión recoge la experiencia de la Unidad de Bioestadística y Bioinformática del Instituto Catalán de Oncología en colaboración con el Grupo de Microarrays de ADN del Instituto, que investiga en aplicaciones de los microarrays al estudio del diagnóstico y pronóstico del cáncer colorrectal. Los investigadores del grupo son G. Capellà, M.A. Peinado, M. Grau, E. Vendrell, A. Obrador, G. Tarafa, E. Guinó, J. Valls, X. Solé y V. Moreno. El grupo cuenta con financiación del Fondo de Investigaciones Sanitarias (FIS 96/0797, FIS 00/0027, FIS 01/1264) y de la CICYT (SAF 99/0103, SAF 00/81-C2). Este grupo es miembro de las Redes de Temáticas de Investigación Cooperativa en Cáncer (C03/10) y en Epidemiología y Salud Pública (C03/09), financiadas por el Instituto Carlos III, Ministerio de Sanidad y Consumo.
