Diseño de herramienta bioinformática para tabulación de secuencias de ácidos nucleicos de bases de datos públicas para usos biomédicos y de ciencia básica

Abstract

Este proyecto presenta el desarrollo de una herramienta bioinformática para la tabulación de secuencias de ácidos nucleicos. Esta herramienta nace de la investigación desarrollada en el Laboratorio de Genómica de Celomados (GCL) en el diagnóstico del virus de influenza AH1N1 y en el estudio del uso preferencial de codones en Dopamina para posibles aplicaciones en psicosis, esquizofrenia y enfermedad de Parkinson. En el desarrollo de la investigación realizada, se abordó la etapa denominada preparación de datos, en la cual se tabulaban cada uno de los registros descargados del Genbank del National Center for Biotechnology Information (NCBI) con el fin de depurar la base de datos de registros incompletos o no congruentes. Este proceso demoraba el desarrollo de los proyectos de investigación elevando los tiempos de ejecución y los costos. Por lo mencionado anteriormente, se desarrolla una herramienta informática que permite agilizar esta etapa, enfocada en particular en la tabulación de las secuencias, usando un script de Python que le permitiría al investigador cargar los conjuntos de registros descargados sin tabular (en formato de texto plano), tomando estos registros y extrayendo las características del primer registro como criterios de búsqueda en el conjunto de datos, posteriormente extrayendo estas características en un tiempo menor de cada uno de los registros, construyendo una tabla de excel amigable con el investigador.