Computational analysis of epigenomic variability and its effect on regulatory activity

Abstract

Epigenetics provides a plausible link between the environment and changes in gene expression that might contribute to disease phenotypes. The main goal of the thesis is to study epigenomic variability and their effect on the regulatory activity underlying chromatin dynamics. With an ultimate aim to identify regulatory variants driving cancer as well as disease specific epigenomic patterns in neurological diseases, the thesis deals with the development and subsequent implementation of a novel supervised machine-learning based enhancer predictor (GEP). Further, to address the role of DNA methylation during development of two distinct larval morphs from a single egg in a parasitic polyembryonic wasp, we have developed a novel computational method (dMeth-X) that identifies putative differentially methylated genes responsible for morphological and behavioral differences between the larval forms. Additionally, the thesis focuses on the study of the effect of external factors on the epigenomic variability on the mouse brain cortex. Overall, we believe that my doctoral thesis is a successful endeavor to study the epigenetic variability and regulatory activity using next-generation sequencing approaches.La epigenética proporciona un enlace plausible entre el medio ambiente y los cambios en la expresión de genes que podrían contribuir a fenotipo de las enfermedades. El objetivo principal de la tesis es el estudio de la variabilidad epigenómica y su efecto sobre la actividad reguladora subyacente a la dinámica de la cromatina. Con un objetivo último de identificar variantes de regulación que contribuyen al cáncer, así como patrones epigenómicos específicos en enfermedades neurológicas, las tesis se enfoca en el desarrollo y posterior aplicación de un nuevo método supervisado para predecir potenciadores basado en aprendizaje automático (GEP). Además, para abordar el papel de la metilación del ADN en la configuración de dos formas larvarias distintas de un solo huevo en una avispa poliembriónica parasitaria, hemos desarrollado un nuevo método computacional (dMeth-X) para identificar los genes diferencialmente metilados que podrían contribuir distinguiendo formas larvarias contrastantes. Adicionalmente, la tesis incorporó el estudio del efecto de factores externos sobre la variabilidad epigenómica de la corteza del cerebro de ratón. En general, creemos que mi tesis doctoral es un esfuerzo exitoso para estudiar la variabilidad epigenética y la actividad reguladora utilizando enfoques de secuenciación de próxima generación.Programa de doctorat en Biomedicina