Visualización de datos biológicos

La visualización de datos biológicos es una rama de la bioinformática que se ocupa de la aplicación de gráficos por computadora , visualización científica y visualización de información a diferentes áreas de las ciencias de la vida . Esto incluye la visualización de secuencias , genomas , alineamientos , filogenias , estructuras macromoleculares , biología de sistemas , microscopía y datos de resonancia magnética . Las herramientas de software utilizadas para visualizar datos biológicos abarcan desde programas sencillos e independientes hasta sistemas complejos e integrados.

Una tendencia emergente es la difuminación de los límites entre la visualización de estructuras 3D a resolución atómica, la visualización de complejos más grandes mediante criomicroscopía electrónica y la visualización de la ubicación de proteínas y complejos dentro de células y tejidos completos. ^{[ 1 ] [ 2 ]} También ha habido un aumento en la disponibilidad e importancia de datos resueltos en el tiempo de la biología de sistemas , la microscopía electrónica y la obtención de imágenes de células y tejidos. ^{[ 3 ] [ 4 ]}

La visualización de alineamientos de secuencias desempeña un papel crucial en la bioinformática y la genómica, ya que permite a los investigadores interpretar y analizar datos genéticos complejos de manera eficaz. La visualización de alineamientos de secuencias permite identificar similitudes, diferencias, regiones conservadas y patrones evolutivos dentro de las secuencias de ADN o proteínas , lo que ayuda a comprender las relaciones genéticas, los elementos funcionales y los procesos evolutivos. La visualización de alineamientos de secuencias es esencial por varias razones:

Identificación de secuencias conservadas : La visualización ayuda a los investigadores a identificar regiones conservadas en las secuencias, que son indicativas de importancia funcional o relaciones evolutivas. ^{[ 5 ]}

Detección de mutaciones y variaciones: Las herramientas de visualización permiten la detección de mutaciones , inserciones, deleciones y otras variaciones dentro de las secuencias, lo que proporciona información sobre la diversidad genética y las mutaciones causantes de enfermedades. ^{[ 6 ]}

Comprender las relaciones evolutivas: Al visualizar alineaciones de secuencias, los investigadores pueden inferir relaciones evolutivas, construir árboles filogenéticos y estudiar la historia evolutiva de especies o genes. ^{[ 7 ]}

Predicción de elementos funcionales: La visualización ayuda a predecir elementos funcionales como dominios proteicos, motivos y regiones reguladoras dentro de las secuencias, facilitando los estudios de genómica funcional. ^{[ 8 ]}

Comparación de genomas : la genómica comparativa se basa en la visualización de alineamientos de secuencias para comparar genomas , identificar genes ortólogos y parálogos, y estudiar la evolución del genoma entre especies. ^{[ 9 ]} Para visualizar los alineamientos de secuencias y sus características, los investigadores suelen utilizar herramientas de software bioinformático populares como Clustal Omega , MUSCLE , T-Coffee y MAFFT . Estas herramientas proporcionan plataformas interactivas para alinear secuencias, resaltar regiones conservadas, mostrar variaciones de secuencia e identificar motivos de secuencia. Además, el software de visualización como Jalview , BioEdit y Geneious ofrece funciones avanzadas para visualizar y analizar alineamientos de secuencias, lo que facilita a los investigadores la interpretación y la extracción de información significativa de los datos genéticos.

Técnicas

Además de herramientas de software como Clustal Omega , MUSCLE , T-Coffee y MAFFT , existen varias técnicas populares para la visualización de alineamientos de secuencias genómicas, las cuales desempeñan un papel crucial para ayudar a los investigadores a comprender las relaciones genéricas, los elementos funcionales y los procesos evolutivos. Entre las herramientas más populares, las técnicas comunes para la visualización de alineamientos de secuencias incluyen:

Logotipo de secuencia : Los logotipos de secuencia son representaciones gráficas de alineamientos de secuencias que muestran la conservación de los residuos en cada posición, así como la frecuencia relativa de cada aminoácido o nucleótido . Los logotipos de secuencia proporcionan una visualización compacta e informativa de la secuencia conservada y la variabilidad. ^{[ 10 ]}

Alineamiento de secuencias múltiples : Los visores de alineamiento de secuencias múltiples, como Jalview y MEGA , proporcionan plataformas interactivas para visualizar y analizar dicho alineamiento . Estas herramientas ofrecen funciones para resaltar regiones de secuencias conservadas , identificar motivos y explorar relaciones evolutivas dentro de las secuencias. ^{[ 11 ]}

Herramientas de alineación de estructuras proteicas: herramientas como PyMOL y UCSF Chimera permiten visualizar alineaciones de secuencias en el contexto de estructuras proteicas. Al superponer secuencias alineadas sobre estructuras proteicas , los investigadores pueden analizar la disposición espacial de residuos conservados y dominios funcionales. ^{[ 12 ]}

Visualización de árboles filogenéticos: Las herramientas de visualización de árboles filogenéticos, como FigTree e iTOL , permiten a los investigadores visualizar las relaciones evolutivas inferidas a partir de alineamientos de secuencias. Estas herramientas proporcionan representaciones interactivas de árboles filogenéticos, destacando las longitudes de las ramas, los valores de soporte de los nodos y las distancias evolutivas. ^{[ 13 ]}

Navegador genómico: Los navegadores genómicos como UCSC Genome Browser y Ensembl proporcionan plataformas integrales para visualizar alineaciones de secuencias en genomas completos. Los investigadores pueden explorar la anotación del ADN , los elementos reguladores y los datos de genómica comparativa en el contexto de las secuencias genómicas. ^{[ 14 ]}

Aplicaciones

La visualización de alineamiento de secuencias genómicas se utiliza en diversas aplicaciones, desempeñando un papel crucial en varias áreas de la genómica y la bioinformática , lo que permite a los investigadores analizar, interpretar y extraer información valiosa de los datos genéticos. Las aplicaciones de la visualización de alineamiento de secuencias son diversas y abarcan una amplia gama de campos de investigación. Algunas aplicaciones clave incluyen:

Genómica comparativa : La visualización de alineamientos de secuencias es esencial para los estudios de genómica comparativa, donde los investigadores comparan secuencias genéticas de diferentes especies para identificar relaciones evolutivas, regiones de secuencias conservadas y elementos funcionales. Las herramientas de visualización ayudan a detectar similitudes y diferencias entre genomas , facilitando el estudio de los procesos evolutivos. ^{[ 15 ]}

Análisis de variantes: En el campo de la genética y la medicina personalizada , la visualización de alineamiento de secuencias se utiliza para el análisis de variantes con el fin de identificar polimorfismos de un solo nucleótido (SNP), inserciones, deleciones y otras variaciones genéticas . Las herramientas de visualización ayudan a los investigadores a identificar variaciones específicas en las secuencias genómicas y evaluar su impacto potencial en los rasgos fenotípicos. ^{[ 16 ]}

Análisis filogenético: Los estudios filogenéticos se basan en la visualización de alineamientos de secuencias para construir árboles filogenéticos y analizar las relaciones genéticas entre especies o poblaciones . Las herramientas de visualización permiten a los investigadores visualizar similitudes de secuencias, calcular distancias evolutivas e inferir relaciones filogenéticas a partir de alineamientos de secuencias. ^{[ 17 ]}

Genómica funcional : En la investigación de genómica funcional, se emplea la visualización de alineamientos de secuencias para estudiar la expresión génica , los elementos reguladores y las interacciones proteína-proteína . Al visualizar los alineamientos de secuencias en el contexto de anotaciones funcionales y redes génicas, los investigadores pueden dilucidar las funciones biológicas y los mecanismos reguladores de los genes. ^{[ 18 ]}

Bioinformática estructural : La visualización de la alineación de secuencias es fundamental para la bioinformática estructural , donde los investigadores analizan secuencias y estructuras de proteínas para comprender su organización tridimensional y sus propiedades funcionales. Las herramientas de visualización ayudan a alinear secuencias de proteínas, predecir motivos estructurales y explorar interacciones proteína-proteína . ^{[ 19 ]}

La visualización de macromoléculas es fundamental para comprender en profundidad las estructuras y funcionalidades multifacéticas esenciales para los sistemas biológicos. Se han logrado avances notables en la representación tridimensional de dichas macromoléculas, incluyendo carbohidratos, proteínas, ácidos nucleicos y sus complejos. Los recientes avances en metodologías de visualización han supuesto un salto cualitativo en nuestra capacidad para discernir las sutilezas de los datos biológicos. Estas sofisticadas visualizaciones ofrecen un nivel de claridad y detalle sin precedentes, mejorando así nuestra comprensión de los mecanismos subyacentes que rigen el comportamiento y la interacción de las entidades biológicas.

Técnicas

La segmentación mejora la interpretación de imágenes biológicas, y las herramientas automatizadas optimizan el análisis de datos. Esto ha propiciado un aumento en la visualización web de segmentaciones 3D. La segmentación desempeña un papel fundamental en la interpretación de datos de imágenes biológicas. La aparición de tecnologías sofisticadas de segmentación automatizada, junto con su incorporación a repositorios públicos de datos de imágenes, mejora considerablemente el proceso de interpretación. ^{[ 20 ]}

La representación volumétrica revela las estructuras macromoleculares internas sin segmentación, proporcionando una visión no invasiva del interior de las moléculas.

La integración de datos experimentales en visualizaciones, como la superposición de mutaciones o datos de unión, ofrece información más completa. Esto se puede mostrar como mapas de calor o gradientes en la molécula, lo cual es fundamental para gestionar la creciente complejidad de los datos biomoleculares. ^{[ 21 ]}

La visualización interactiva en 3D ofrece una interacción práctica con las macromoléculas, permitiendo manipulaciones como la rotación y el zoom, lo que mejora la comprensión.

La realidad virtual y la realidad aumentada ofrecen métodos inmersivos para interactuar con macromoléculas, proporcionando una perspectiva 3D que las herramientas basadas en pantalla no pueden igualar. Las aplicaciones de RA también están diseñadas para ayudar a los estudiantes a visualizar e interactuar con estructuras macromoleculares 3D, superando las limitaciones de las imágenes 2D tradicionales para transmitir detalles espaciales y percepción de profundidad. ^{[ 22 ]}

La animación de actividades moleculares ilustra el comportamiento dinámico de las biomoléculas, sirviendo como una poderosa herramienta educativa y de investigación. Utilizando la tecnología del motor de juegos Unity3D, este enfoque democratiza la creación de herramientas interactivas de visualización molecular, dando como resultado una plataforma fácil de usar que simplifica la representación de datos biológicos complejos. ^{[ 23 ]}

La visualización mediante computación de alto rendimiento permite la representación en tiempo real de conjuntos de datos masivos y complejos, algo esencial para el análisis macromolecular avanzado. El software que aprovecha la computación de alto rendimiento analiza de forma dinámica y eficiente las interacciones fármaco-receptor mediante simulaciones de dinámica molecular, ofreciendo información valiosa y predicciones sobre la eficacia de los fármacos, además de facilitar la visualización. ^{[ 24 ]}

Las técnicas de visualización híbridas combinan varios métodos para proporcionar una visión multifacética de las moléculas, uniendo posiciones atómicas detalladas con una comprensión holística de la estructura y el volumen.

Visualización en diferentes tipos de macromoléculas

Visualización de carbohidratos

Las visualizaciones del Módulo de Unión a Carbohidratos (CBM) de la celulasa examinan sus interacciones con la celulosa durante la hidrólisis desde tres ángulos: la adsorción del CBM a la celulosa, su ocupación espacial y la accesibilidad de la superficie de la celulosa al CBM.

Visualización de proteínas

El Banco de Datos de Proteínas RCSB (RCSB PDB), respaldado por importantes agencias científicas estadounidenses, ha sido un recurso fundamental para los biólogos estructurales a nivel mundial y actúa como centro de datos estadounidense dentro de la asociación Banco Mundial de Datos de Proteínas (wwPDB). Como custodio designado del archivo, el RCSB PDB garantiza la seguridad de los datos del PDB y presta servicio anualmente a decenas de miles de depositantes de datos en todos los continentes habitados, utilizando diversos métodos de determinación estructural. El portal web RCSB.org proporciona acceso sin restricciones a los datos del PDB a millones de personas en todo el mundo. Este artículo detalla el crecimiento y la evolución del archivo con el avance de las técnicas experimentales, el papel fundamental de los estándares de datos y la integración, y la introducción de nuevas herramientas y funciones para el análisis y la visualización estructural en 3D durante el último año. ^{[ 25 ]}

Visualización de ácidos nucleicos

Investigadores han desarrollado un método rápido, sencillo y preciso para detectar el virus de la rinotraqueítis infecciosa bovina (IBRV) en el ganado vacuno, un virus conocido por causar infecciones crónicas y un impacto económico considerable. Este método integra la amplificación de la polimerasa recombinante (RPA) con una tira de visualización de flujo vertical (VF) para formar un ensayo RPA-VF que se dirige al gen de la timidina quinasa, lo que garantiza una detección rápida, alta especificidad y cero reactividad cruzada con otros patógenos. ^{[ 26 ]}

Moléculas grandes no poliméricas

La visualización de materiales a nanoescala es crucial para comprender sus relaciones estructura-función, y normalmente requiere técnicas avanzadas de microscopía y análisis que proporcionen imágenes de alta resolución y gran aumento.

Las nanopartículas son partículas diminutas que miden entre 1 y 100 nanómetros. Debido a su pequeño tamaño y a su elevada relación superficie-volumen, presentan propiedades químicas y físicas únicas. La visualización de nanopartículas se suele lograr mediante técnicas de alta resolución como la microscopía electrónica de transmisión (TEM), la microscopía electrónica de barrido (SEM), la microscopía de fuerza atómica (AFM) y la dispersión dinámica de luz (DLS) para el análisis de la distribución de tamaño. ^{[ 27 ] [ 28 ]}

Los nanocompuestos son materiales que incorporan nanopartículas en una matriz de otro material, como polímeros, cerámicas o metales. Estos compuestos suelen presentar propiedades mejoradas, como mayor resistencia o conductividad eléctrica. La visualización de la distribución e interacción de las nanopartículas dentro de la matriz se puede realizar mediante técnicas como la microscopía electrónica de transmisión (TEM), la microscopía electrónica de barrido (SEM) y la difracción de rayos X (DRX).

Los nanotubos , en concreto los nanotubos de carbono (CNT), son estructuras cilíndricas con diámetros de tan solo 1 nanómetro. Poseen extraordinarias propiedades mecánicas, eléctricas y térmicas, y se utilizan en diversas aplicaciones, desde la ciencia de los materiales hasta la nanotecnología. La visualización de nanotubos suele requerir microscopía electrónica de transmisión (TEM), microscopía electrónica de barrido (SEM) o microscopía de fuerza atómica (AFM).

Las nanofibras son fibras con diámetros en la escala nanométrica. Se crean mediante procesos como la electrohilatura y tienen aplicaciones en áreas como la filtración, los textiles y la biomedicina. Las nanofibras se pueden visualizar mediante microscopía electrónica de barrido (SEM), que proporciona imágenes detalladas de su morfología y distribución.

Visualiza las interacciones entre macromoléculas.

Las interacciones proteína-carbohidratos se visualizaron mediante átomos de hidrógeno en un complejo lectina-fucosa perdeuterado. ^{[ 29 ]} El acoplamiento computacional desempeña un papel vital en la biología estructural, con software que proporciona una plataforma web fácil de usar para modelar diversas interacciones macromoleculares, como complejos flexibles y ensamblajes asociados a membranas. Esto mejora la accesibilidad y enriquece la experiencia del usuario dentro de la comunidad de biología estructural. ^{[ 30 ]}

Herramientas

PyMOL, Chimera, ChimeraX, Jmol, VMD, Swiss-PdbViewer, Coot, Biovia Discovery Studio, LightDock y Maestro de Schrodinger son herramientas clave en la visualización molecular, cada una de las cuales ofrece capacidades únicas que van desde imágenes 3D de alta calidad y análisis interactivo hasta soporte para realidad virtual y simulaciones a gran escala, satisfaciendo diversas necesidades en modelado molecular, publicación y educación tanto en plataformas de código abierto como comerciales.

La biología de sistemas es una rama de la visualización de datos biológicos dedicada al análisis y modelado de sistemas biológicos complejos. Los modelos computacionales más utilizados en biología de sistemas incluyen cálculos de procesos , como el cálculo π estocástico , y la reconstrucción y análisis basados ​​en restricciones (COBRA), un paradigma que considera las restricciones físicas, enzimáticas y topológicas subyacentes a un fenotipo en una red metabólica . ^{[ 32 ] [ 33 ]}

La mayor parte de la visualización de datos en biología de sistemas se realiza mediante modelos generados matemáticamente. Los investigadores diagraman todas las vías proteicas, génicas o metabólicas de un sistema biológico determinado y, a continuación, determinan la velocidad de las reacciones en dicho sistema utilizando la cinética de acción de masas o la cinética enzimática . Estos valores se utilizan como parámetros para construir ecuaciones diferenciales que representan el sistema, las cuales pueden emplearse para determinar el comportamiento de los elementos dentro de él. También existen soluciones alternativas de modelado matemático; por ejemplo, un método COBRA, como el análisis de balance de flujo, podría utilizarse para analizar el flujo de metabolitos a través de una red metabólica específica. ^{[ 34 ]}

Otro método clave de imagen en biología de sistemas es la espectrometría de masas , que permite visualizar la distribución espacial de compuestos, biomarcadores, metabolitos, péptidos y/o proteínas dentro del organismo. Esto resulta especialmente útil en metabolómica , una rama de la biología de sistemas que utiliza la espectrometría de masas para medir la distribución de metabolitos y, posteriormente, emplea la intensidad medida para construir una imagen. ^{[ 35 ]}

Entre las herramientas de software populares utilizadas en el modelado de biología de sistemas se incluyen massPy, ^{[ 36 ]} Cytosim, ^{[ 37 ]} y PySB. ^{[ 38 ]} Se pueden encontrar más ejemplos en la lista de software de modelado de biología de sistemas de Wikipedia .

Además de la microscopía óptica y electrónica, también se utilizan otras técnicas como la sonda de barrido, la ultravioleta, la infrarroja, la holografía digital, el láser y la microscopía amateur para la visualización.

Nuevos enfoques Existe un estudio que investiga el uso de la microscopía de dos fotones, una técnica capaz de obtener imágenes a profundidades de hasta 800 μm mediante absorción de dos fotones, para visualizar agentes microrrobóticos debajo del tejido biológico, demostrando su potencial transformador para aplicaciones microrrobóticas tanto in vitro como in vivo. ^{[ 39 ]}

Los investigadores utilizaron microscopía de luz de campo claro con iluminación LED pulsada de alta intensidad para capturar imágenes detalladas de 12 bits por canal de células vivas, abordando las distorsiones de datos causadas por interacciones de trayectoria óptica y anomalías del sensor con un enfoque de calibración espectroscópica integral, lo que permitió la visualización con una pérdida mínima de información en una profundidad de intensidad de 8 bits. ^{[ 40 ]}

Los investigadores exploraron una iniciativa impulsada por la comunidad centrada en mejorar la representación de datos de microscopía óptica en publicaciones científicas mediante la adhesión a los «Principios FAIR de Datos», cuyo objetivo es mejorar la facilidad de búsqueda, la accesibilidad, la interoperabilidad y la reproducibilidad de los datos. A pesar de los desafíos persistentes relacionados con la calidad y la comunicación de los datos, la iniciativa enfatiza el papel de la colaboración científica global en el avance de los estándares de imagen y aprovecha los conocimientos históricos para guiar y promover futuros avances en la imagen biológica. ^{[ 41 ]}

La resonancia magnética (RM) es una técnica común de visualización de datos biológicos que se utiliza para obtener imágenes de procesos biológicos internos. Diferentes configuraciones de pulsos y gradientes de radiofrecuencia dan como resultado distintas apariencias de imagen; estas combinaciones se conocen como secuencias de RM . Un subconjunto particularmente notable de la RM es la angiografía por resonancia magnética , que es un grupo de técnicas utilizadas para obtener imágenes de arterias y venas. La utilidad de la RM para la obtención de imágenes se amplía aún más con la RM de difusión y la RM funcional , que se pueden utilizar para capturar tractos neuronales y flujo sanguíneo, respectivamente.

La resonancia magnética de difusión se basa además en la imagen de tensor de difusión (DTI), que mide la difusión y la direccionalidad de las moléculas de agua, y en la imagen de espectro de base de difusión (DBSI), que extrae múltiples tensores de difusión anisotrópicos e isotrópicos. ^{[ 42 ] [ 43 ]} La resonancia magnética funcional se basa en el contraste dependiente del nivel de oxígeno en sangre (BOLD), que mide la proporción de hemoglobina oxigenada en áreas específicas del cerebro; esto le permite medir y modelar la actividad cerebral en función del flujo sanguíneo. ^{[ 44 ]} Otras técnicas de resonancia magnética incluyen pulsos de saturación (utilizados para reducir los artefactos de movimiento), eco de gradiente (como la mejora del contraste dinámico), eco de espín y ponderación de difusión (un método de generación de contraste de señal basado en diferencias en el movimiento browniano ). ^{[ 45 ] [ 46 ] [ 47 ]}

Para generar una imagen observable mediante resonancia magnética (RM), el objetivo se coloca en un campo magnético potente, como el de una máquina de RM. Esto provoca que los ejes de los protones de hidrógeno dentro del objetivo, que normalmente están alineados aleatoriamente según el equilibrio, se alineen en la misma dirección, creando un vector magnético orientado a lo largo del eje del imán. Esta orientación también permite medir el espín de los protones de hidrógeno, o frecuencia de rotación. A continuación, la alineación se interrumpe mediante pulsos de radiofrecuencia (RF) (RF es un tipo de radiación electromagnética no ionizante). ^{[ 48 ]} Cuando se retira el campo magnético, los protones de hidrógeno vuelven a sus estados de equilibrio en un proceso conocido como relajación , y al hacerlo emiten energía de RF. ^{[ 49 ]} Los diferentes tejidos se relajan a diferentes velocidades, lo que permite a los científicos utilizar secuencias de pulsos de RF específicas para resaltar tejidos o anomalías particulares.

Tras un periodo de tiempo después del pulso de radiofrecuencia, se miden las señales de energía de radiofrecuencia emitidas por los protones para obtener información de frecuencia en cada punto del plano de imagen. A continuación, se utiliza la transformada de Fourier para convertir esta información de frecuencia en niveles de intensidad, que se muestran como tonalidades de gris en la imagen generada.

En general, se miden dos aspectos del proceso de relajación: el tiempo que tarda el vector magnético en volver a su estado de reposo (también conocido como T1 _o relajación espín-red ) y el tiempo que tarda el espín axial de los protones de hidrógeno en volver a su estado de reposo (también conocido como T2 _o relajación espín-espín ). ^{[ 50 ]} Para crear una imagen ponderada en T1 _, la señal de RM se mide cambiando el tiempo entre los pulsos de RF (también conocido como tiempo de repetición o TR). Para crear una imagen ponderada en T2 _, la señal de RM se mide cambiando el tiempo entre la emisión del pulso de RF y la recepción de las señales de energía de RF de los protones de hidrógeno (también conocido como tiempo de eco o TE). Las intensidades de señal dominantes de la ponderación de imagen T1 _son fluido (negro debido a la baja intensidad), músculo (gris debido a la intensidad de señal intermedia) y grasa (blanco debido a la alta intensidad de señal). La supresión de grasa se aplica a muchas secuencias ponderadas en T1 _para suprimir el brillo de la señal creada por ella. Las intensidades de señal dominantes en la ponderación de imágenes T2 _corresponden a fluidos (blanco), músculo (gris) y grasa (blanco). Las señales T2 _también se suelen enfatizar o suprimir según el objetivo de la imagen; algunos ejemplos notables son la supresión de grasa, la atenuación de fluidos y la ponderación de susceptibilidad.

También cabe destacar las imágenes ponderadas por densidad de protones (PD), que se generan utilizando un TR largo y un TE corto. La PD es útil para diferenciar entre líquido, cartílago hialino y fibrocartílago , lo que la hace ideal para la obtención de imágenes de las articulaciones. Fuera de la obtención de imágenes articulares, ha sido reemplazada en gran medida por la recuperación de inversión atenuada por fluidos (FLAIR), una secuencia de recuperación de inversión que elimina la señal del líquido cefalorraquídeo. ^{[ 51 ]}

La tomografía computarizada (TC) y la tomografía por emisión de positrones (PET) son similares a la resonancia magnética (RM), pero se basan en diferentes técnicas de imagen (rayos X y radiación ionizante, respectivamente). Una variante de la TC, conocida como TC con contraste, también requiere que el sujeto ingiera un medio de contraste llamado radiocontraste (generalmente por vía oral, enema o inyección). Los radiocontrastes positivos, como el sulfato de bario, aumentan la atenuación de los rayos X en el cuerpo, lo que hace que el tejido que los contiene aparezca más blanco en la imagen radiográfica. Por otro lado, los agentes negativos, como el dióxido de carbono, permiten que los rayos X los atraviesen fácilmente, lo que hace que los tejidos que los contienen aparezcan más oscuros. ^{[ 52 ]}

Al igual que la resonancia magnética, las tomografías computarizadas (TC) utilizan numerosos métodos para visualizar y medir datos, incluyendo la TC secuencial (donde la mesa de TC se desplaza de una ubicación a otra), la TC espiral (donde todo el tubo de rayos X gira alrededor del sujeto) y la tomografía por haz de electrones (donde solo las trayectorias de los electrones giran mediante bobinas de deflexión). Los escáneres PET no presentan tanta variación de hardware y, en cambio, utilizan diferentes radiotrazadores según el objetivo de la imagen. Cabe destacar que los radiotrazadores son distintos de los radiocontraste; los primeros se basan en la desintegración radiactiva para trazar su trayectoria, mientras que los segundos se absorben en tejidos específicos y afectan la atenuación de los rayos X de dicho tejido. Dado que estos métodos no son mutuamente excluyentes, la PET y la TC pueden realizarse simultáneamente utilizando escáneres PET-TC, que se emplean en la mayoría de las exploraciones PET modernas. ^{[ 53 ]}

Cualquiera de estos métodos, o ambos, pueden utilizarse junto con la proyección de máxima intensidad (MIP) para convertir los datos de la exploración en una imagen 3D. Esto puede resultar difícil debido a los artefactos generados por la respiración y el flujo sanguíneo, que pueden parecer anomalías a simple vista; sin embargo, es posible distinguir estos artefactos de una enfermedad real si se les presta la debida atención. ^{[ 54 ]} Cuando se realizan correctamente, las exploraciones de TC y PET realizadas con MIP son excelentes para identificar pequeños crecimientos anormales de tejido, especialmente en los pulmones. Las exploraciones realizadas con MIP para este fin tienden a tener mayor relevancia que las imágenes promedio creadas con la TC tradicional. ^{[ 55 ]}

La imagen MIP también se utiliza con la angiografía por resonancia magnética, y las investigaciones han indicado que podría utilizarse de forma factible con la RM. ^{[ 56 ]} Al menos un estudio ha demostrado que la RM MIP supera significativamente a la RM de corte único cuando se utiliza con redes neuronales para clasificar lesiones según su malignidad. ^{[ 57 ]}

Un alineamiento de secuencias es una forma de organizar las secuencias de proteínas, ARN o ADN para identificar regiones de similitud que pueden ser consecuencia de relaciones funcionales, estructurales o evolutivas entre ellas. Inicialmente, el concepto compara solo dos de estas secuencias en el llamado alineamiento por pares. Los alineamientos globales, que intentan alinear cada residuo en cada secuencia, son más útiles cuando las secuencias del conjunto de consulta son similares y de tamaño aproximadamente igual. Los alineamientos locales son más útiles para secuencias disímiles que se sospecha que contienen regiones de similitud o motivos de secuencia similares dentro de su contexto de secuencia más amplio. El alineamiento múltiple de secuencias es una extensión del alineamiento por pares que incorpora más de dos secuencias a la vez. Los métodos de alineamiento múltiple intentan alinear todas las secuencias en cada conjunto de consulta. Los alineamientos múltiples se utilizan a menudo para identificar regiones de secuencia conservadas en un grupo de secuencias que se hipotetiza que están relacionadas evolutivamente.

Propósitos de la visualización de alineación:

• Facilita la comprensión general de alineamientos de ADN o proteínas a gran escala. Al analizar datos, resulta útil visualizarlos de alguna manera para poder identificar fácilmente patrones o relaciones claras.
• Visualiza los alineamientos para figuras y publicaciones. Resume el alineamiento de secuencias múltiples de forma clara y concisa.
• Edita y revisa manualmente las alineaciones generadas automáticamente. Si bien existen algoritmos eficientes, ninguno es perfecto, y las herramientas de visualización permiten corregir pequeñas discrepancias.

Alineamiento múltiple de secuencias (MMS ): Las secuencias alineadas de residuos de nucleótidos o aminoácidos se representan típicamente como filas dentro de una matriz. Se insertan espacios entre los residuos para que los caracteres idénticos o similares se alineen en columnas sucesivas. Muchos programas de visualización de secuencias también utilizan el color para mostrar información sobre las propiedades de los elementos individuales de la secuencia; en las secuencias de ADN y ARN, esto equivale a asignar un color a cada nucleótido. En los alineamientos de proteínas, el color se usa a menudo para indicar las propiedades de los aminoácidos y ayudar a evaluar la conservación de una sustitución de aminoácidos determinada. Para secuencias múltiples, la última fila de cada columna suele ser la secuencia consenso determinada por el alineamiento; la secuencia consenso también se representa a menudo en formato gráfico con un logotipo de secuencia en el que el tamaño de cada letra de nucleótido o aminoácido corresponde a su grado de conservación.

Alineamiento múltiple de secuencias circulares : Una suposición común en las técnicas de alineamiento múltiple de secuencias es que las posiciones más a la izquierda y más a la derecha de las secuencias de entrada son relevantes para el alineamiento. Sin embargo, la posición donde comienza o termina una secuencia puede ser totalmente arbitraria. Por ejemplo, al linealizar una estructura molecular circular, el inicio de la secuencia se selecciona aleatoriamente. Esto es relevante, por ejemplo, en el proceso de alineamiento múltiple de secuencias de ADN mitocondrial, viroides, virus u otros genomas que poseen una estructura molecular circular.

Alineamiento múltiple de secuencias en espiral : el color se utiliza para mostrar información sobre las propiedades de los elementos individuales de la secuencia. También puede haber espacios que permiten que las secuencias se ajusten mejor entre sí. En resumen, la topología del alineamiento de secuencias en espiral es equivalente a una matriz lineal estándar, con la ventaja de que resume secuencias muy largas de forma práctica. Esto significa que cada espiral individual representa una de las secuencias que se están alineando.

Visualización 3D : Una representación unidimensional común de una secuencia de proteínas es una lista de los aminoácidos que la componen. Sin embargo, la alineación tridimensional muestra cómo se corresponden las secuencias entre sí. El Visor de Alineación de Grupos 1D-3D, del Banco de Datos de Proteínas RCSD, permite explorar alineaciones de secuencias múltiples (MSA) a nivel de secuencia y estructura para estructuras experimentales del PDB y Modelos de Estructura Computacional (CSM). Es posible seleccionar proteínas o regiones de residuos de la MSA para visualizar sus estructuras 3D alineadas.

RCSB.org agrupa entidades proteicas (estructuras experimentales PDB y CSM) según el umbral de identidad de secuencia y el número de acceso UniProt. Para cada grupo, se calcula el MSA utilizando Clustal Omega y se muestra en el Visor de alineación de grupos 1D-3D con esquemas de color específicos. Las posiciones de la secuencia proteica PDB se representan en azul si el residuo se determinó experimentalmente y en gris si no. Los CSM se colorean según sus puntuaciones pLDDT locales. ^{[ 58 ]}

Un árbol filogenético es un diagrama ramificado que muestra las relaciones evolutivas entre diversas especies biológicas u otras entidades, basándose en las similitudes y diferencias de sus características físicas o genéticas. Es una representación visual que muestra la historia evolutiva de un conjunto de especies o taxones durante un período de tiempo específico.

Dos cosas ocurren implícitamente a lo largo de las ramas de un árbol filogenético. La primera es el paso del tiempo. Los nodos más profundos son más antiguos que los nodos más superficiales a los que están conectados. Por lo tanto, los nodos más profundos indican relaciones más distantes entre los taxones terminales que conectan, y una mayor antigüedad para el ancestro común más reciente de esos taxones. La segunda cosa es la modificación evolutiva, o la acumulación de cambios genéticos y/o estructurales hereditarios a lo largo de estas ramas. El término "longitud de rama" generalmente se refiere a la cantidad de estos cambios. Si las "longitudes de rama" del árbol miden estos cambios, también llamamos al árbol filograma. Árbol filogenético regular : generalmente llamado dendrograma , es un diagrama con líneas rectas que representa un árbol. Mostraría una columna de nodos que representan taxones individuales, y los nodos restantes representan los clústeres a los que pertenecen los datos, con flechas que representan la distancia: una forma de medir cuán diferentes son (disimilitud). La distancia entre los clústeres fusionados es monótona y aumenta con el nivel de la fusión: la altura de cada nodo en el gráfico es proporcional al valor de la disimilitud intergrupal entre sus dos ramas.

Cladograma : Es un diagrama con líneas rectas que representa un árbol. La diferencia entre un cladograma y un árbol evolutivo radica en que el cladograma no muestra la relación entre los ancestros y los descendientes, ni tampoco indica cuánto han cambiado. Esto significa que más de un árbol evolutivo puede corresponder al mismo cladograma.

Árbol filogenético circular : Los árboles circulares se utilizan a menudo para ilustrar las relaciones entre los miembros de los principales grupos de organismos existentes, y estos árboles pueden tener muchos taxones terminales. Aunque parezca contradictorio, la misma información que se presenta en un árbol filogenético regular se presenta también en un árbol genético circular. La topología de la estructura permanece inalterada; solo cambia de forma para adaptarse mejor a una mayor cantidad de información en un espacio reducido.

Visualización 3D : En un filograma, la distancia evolutiva se representa en uno de los ejes y los genes en el otro. Para visualizar los parálogos, se puede añadir un tercer eje. En la representación filogenética estándar (2D), no siempre es fácil distinguir los eventos de duplicación génica (parálogos) de la ramificación de la especiación (especies), ya que solo se dispone de un eje espacial (genes) para mostrar la combinación de ambos tipos de información. En cambio, en la representación 3DPE se pueden distinguir fácilmente, puesto que se proyectan sobre dos ejes ortogonales: especies (X) frente a parálogos (Z). Por ejemplo, la evolución de muchos parálogos es visualmente evidente en la vista 3DPE (en las tres especies eucariotas, a la derecha), pero este patrón es menos claro en la representación 2D. ^{[ 59 ]}

• 
  Árbol de la vida de ITOL
• 
  Visualización de la exotoxina A creada con Jmol
• 
  Árbol filogenético de máxima verosimilitud creado con MEGA6.
• 
  Segmento de ADN representado por PyMOL
• 
  Datos de la red de levaduras visualizados con Cytoscape.
• 
  Alineamiento de secuencias múltiples de hidrolasas PET creado con T-Coffee