Identificación in silico de biomarcadores transcripcionales de cáncer de pulmón

A pesar de que varios estudios han identificado y reportado en reconocidos repositorios públicos un sin número de firmas moleculares de expresión génica en cáncer obtenidas de microarreglos, se ha visto para esta tecnología que existen fuertes variaciones de los datos relacionado con la tecnología y plataforma utilizada, condiciones de hibridación, tamaño de la muestra, manipulación experimental y tipo de análisis estadístico aplicado. Así mismo, se ha demostrado que el poder estadístico de los análisis de expresión génica aumenta con la integración sistemática de datos de expresión provenientes de diferentes estudios, además permite una evaluación de la heterogeneidad para obtener resultados más robustos, reproduciblesy con mejor poder predictivo. Este trabajo pretendió implementar una metodología estadística específica de análisis transcriptómico a partir de varios conjuntos de datos de expresión génica de Cáncer de Pulmón de Células no Pequeñas (CPCNP), que permitiera la identificación de genes diferencialmente expresados entre los subtipos histológicos Adenocarcinoma (AD) y Carcinoma de Células Escamosas (CCE) como potenciales biomarcadores con posible enfoque diagnóstico y/o pronóstico. Cabe mencionar que la aproximación metodológica que se aplicó en este trabajo, buscó manejar estadísticamente todos los sesgos e inconvenientes que se reportan en los análisis de expresión génica basados en microarreglos, con el fin de tener unas réplicas muy bien caracterizadas y con la mejor calidad de datos para así tener confianza en la firmar de expresión génica obtenida. Con esta aproximación se logró obtener una ―metafirma‖ de 332 genes característicos de CPCNP y de estos, 25 posibles biomarcadores propios del subtipo adenocarcinoma reportados con poca o nula frecuencia en las firmas moleculares disponibles en la literatura. Es tas aproximaciones enfocadas a la minería de datos en los que se incluyen variantes en las estrategias de análisis estadístico que buscan identificar datos que podrían sesgar los análisis, permiten potencializar los datos existentes y obtener resultados que puedan ser evaluados en experimentos de laboratorio o seguimiento en clínica.

• Autores: Godoy, Marcela
• Fecha de publicación: 2018
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/66416
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/66416; http://bdigital.unal.edu.co/67443/
• Palabra clave: 57 Ciencias de la vida; Biología / Life sciences; biology; Cáncer de pulmón de células no pequeñas; Expresión diferencial; Biomarcadores; Estadística genómica; Non Small Cell Lung Cancer; differential expression; Biomarkers; genomic statistics
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional