Introducción: La preeclampsia continúa siendo la primera causa de morbimortalidad perinatal. El conocimiento sobre su etiología molecular se ha incrementado en los últimos años debido al avance en la aplicación de las ciencias “ómicas”. Ello ha llevado a identificar genes candidatos que participarían en su patogénesisObjetivo: Identificar y caracterizar estructural y funcionalmente genes expresados en placenta que se asocian con preeclampsia.Métodos: A partir de una revisión de literatura de los últimos diez años, se identificaron 16 genes cuya expresión en placenta estaba asociada con la patología. Se realizó la minería de datos incluyendo las siguientes variables: número de genes, tamaño de los genes, número de exones codificantes, islas CpG y las familias de los diferentes elementos repetidos en una ventana de 100Kbp. Mediante un análisis bioinformático, usando los diferentes recursos del NCBI (www.ncbi.nlm.nih.gov) y del Genome Browser de UCSC (http://genome.ucsc.edu/). Adicionalmente se usó el portal BioGPS (http://biogps.gnf.org/#goto=welcome), se determinaron los niveles de expresión de cada gen por tejidosResultados: Se registraron diferencias en la cromatina que contiene las familias de elementos no codificantes de los genes asociados en comparación con los controles (Prueba de Kruskall-Wallis, P= 0.0341824). Los genes LEP, EBI3, PROCR, FSTL3, HEXB, INHBA y ENG fueron los que registraron el mayor puntaje z en placentas preeclámpsicas.Conclusión: La aplicación de las herramientas bioinformáticas se convierte en un instrumento potente para el análisis integrado de la expresión de genes y su papel en la patogénesis de la PE. Esto conllevaría a la identificación temprana de mujeres afectadas. 

Introduction: Preeclampsia still is the main cause of perinatal morbi-mortality; due to the advance in the application of the omics sciences the knowledge about its molecular etiology has increased in the last years, this has led to the identification of candidate genes, which would be involved in its pathogenesis.Objective: To identify those genes, expressed in placenta that are associated with preeclampsia and compare their structural and functional characteristics. Methods: From a literature review, 16 genes were found, whose expression in placenta was associated to the pathol­ogy. Data mining was performed including the following genomic variables: number of genes, genomic size, coding exon count, CpG islands and repeat elements in a 100Kbp window. For the Bioinformatics analysis, we used differ­ent resources of the NCBI (www.ncbi.nlm.nih.gov) and the UCSC Genome Browser (http://genome.ucsc.edu/). Furthermore, the portal BioGPS (http://biogps.gnf.org/#goto=welcome) Was used to determine the expression levels of each gene per tissue.Results: Significant differences were found for the non-coding elements of the chromatin in that associated genes, in comparison with controls (Kruskall-Wallis test, P= 0.0341824). The genes LEP, EBI3, PROCR, FSTL3, HEXB, INHBA and ENG were the ones with the highest z- score values in preeclampsic placenta.Conclusion: The application of computational tools has become a powerful instrument for the integrated analysis of gene expression and its role in the pathogenesis of PE. This would lead to an early detection of affected women.