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...
- Autores:
-
Godoy, Marcela
- Tipo de recurso:
- 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
| id |
UNACIONAL2_0e4a04c72fc2805f13501706f254dca6 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/66416 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Identificación in silico de biomarcadores transcripcionales de cáncer de pulmón |
| title |
Identificación in silico de biomarcadores transcripcionales de cáncer de pulmón |
| spellingShingle |
Identificación in silico de biomarcadores transcripcionales de cáncer de pulmón 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 |
| title_short |
Identificación in silico de biomarcadores transcripcionales de cáncer de pulmón |
| title_full |
Identificación in silico de biomarcadores transcripcionales de cáncer de pulmón |
| title_fullStr |
Identificación in silico de biomarcadores transcripcionales de cáncer de pulmón |
| title_full_unstemmed |
Identificación in silico de biomarcadores transcripcionales de cáncer de pulmón |
| title_sort |
Identificación in silico de biomarcadores transcripcionales de cáncer de pulmón |
| dc.creator.fl_str_mv |
Godoy, Marcela |
| dc.contributor.advisor.spa.fl_str_mv |
López Kleine, Liliana (Thesis advisor) |
| dc.contributor.author.spa.fl_str_mv |
Godoy, Marcela |
| dc.contributor.spa.fl_str_mv |
Aristizábal Gutiérrez, Fabio Ancízar |
| dc.subject.ddc.spa.fl_str_mv |
57 Ciencias de la vida; Biología / Life sciences; biology |
| topic |
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 |
| dc.subject.proposal.spa.fl_str_mv |
Cáncer de pulmón de células no pequeñas Expresión diferencial Biomarcadores Estadística genómica Non Small Cell Lung Cancer differential expression Biomarkers genomic statistics |
| description |
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. |
| publishDate |
2018 |
| dc.date.issued.spa.fl_str_mv |
2018-09-20 |
| dc.date.accessioned.spa.fl_str_mv |
2019-07-03T02:05:10Z |
| dc.date.available.spa.fl_str_mv |
2019-07-03T02:05:10Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/66416 |
| dc.identifier.eprints.spa.fl_str_mv |
http://bdigital.unal.edu.co/67443/ |
| url |
https://repositorio.unal.edu.co/handle/unal/66416 http://bdigital.unal.edu.co/67443/ |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.spa.fl_str_mv |
Universidad Nacional de Colombia Sede Medellín Facultad de Ciencias Escuela de Biociencias Escuela de Biociencias |
| dc.relation.references.spa.fl_str_mv |
Godoy, Marcela (2018) Identificación in silico de biomarcadores transcripcionales de cáncer de pulmón. Maestría thesis, Universidad Nacional de Colombia - Sede Medellín. |
| dc.rights.spa.fl_str_mv |
Derechos reservados - Universidad Nacional de Colombia |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional Derechos reservados - Universidad Nacional de Colombia http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/66416/1/1018416010.2018.pdf https://repositorio.unal.edu.co/bitstream/unal/66416/2/1018416010.2018.pdf.jpg |
| bitstream.checksum.fl_str_mv |
cc2332fd4a858592dc88a90893c30b32 64cf29bcc5471206bfdeb1f794d0cbab |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089521284775936 |
| spelling |
Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Aristizábal Gutiérrez, Fabio AncízarLópez Kleine, Liliana (Thesis advisor)5423d796-dbc2-406e-98f9-a4c3ff58e005-1Godoy, Marcela0bb3d3d7-0c8a-43c1-a1fb-88357b78daa13002019-07-03T02:05:10Z2019-07-03T02:05:10Z2018-09-20https://repositorio.unal.edu.co/handle/unal/66416http://bdigital.unal.edu.co/67443/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.Abstract: Although several studies have identified and reported in recognized public repositories a number of molecular signatures of gene expression in cancer obtained from microarrays, it has been seen for this technology that there are strong variations of the data related to the technology and platform used, hybridization conditions, sample size, experimental manipulation and type of statistical analysis applied. Likewise, it has been demonstrated that the statistical power of gene expression analysis increases with the systematic integration of expressio n data from different studies, in addition it allows an evaluation of heterogeneity to obtain more robust, reproducible results with better predictive power. This work aimed to implement a specific statistical methodology of transcriptomic analysis from se veral sets of gene expression data of Non -Small Cell Lung Cancer (NSCLC), which allowed the identification of genes differentially expressed bet ween the histological subtypes A denocarcinoma (AD) and Squamous Cell Carcinoma (SCC) as potential biomarkers wit h posible prognostic and / or predictive approach. It is worth mentioning that the methodological approach that was applied in this work, sought to manage statistically all the biases and drawbacks that are reported in the analysis of gene expression based on microarrays, in order to have very well characterized replicas and with the best quality of data in order to have confidence in the sign of gene expression obtained. With this approach it was possible to obtain a "metasignature " of 332 genes characteristic of NSCLC and of these, 25 possible biomarkers of the adenocarcinoma subtype reported with little or no frequency in the molecular signatures available in the literature. These approaches focused on data mining, which include variants in the statistical analysis strategies that seek to identify data that could bias the analyzes, allow to potentiate existing data and obtain results that can be evaluated in laboratory experiments or clinical followMaestríaapplication/pdfspaUniversidad Nacional de Colombia Sede Medellín Facultad de Ciencias Escuela de BiocienciasEscuela de BiocienciasGodoy, Marcela (2018) Identificación in silico de biomarcadores transcripcionales de cáncer de pulmón. Maestría thesis, Universidad Nacional de Colombia - Sede Medellín.57 Ciencias de la vida; Biología / Life sciences; biologyCáncer de pulmón de células no pequeñasExpresión diferencialBiomarcadoresEstadística genómicaNon Small Cell Lung Cancerdifferential expressionBiomarkersgenomic statisticsIdentificación in silico de biomarcadores transcripcionales de cáncer de pulmónTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMORIGINAL1018416010.2018.pdfTesis de Maestría en Ciencias - Biotecnologíaapplication/pdf2231107https://repositorio.unal.edu.co/bitstream/unal/66416/1/1018416010.2018.pdfcc2332fd4a858592dc88a90893c30b32MD51THUMBNAIL1018416010.2018.pdf.jpg1018416010.2018.pdf.jpgGenerated Thumbnailimage/jpeg4411https://repositorio.unal.edu.co/bitstream/unal/66416/2/1018416010.2018.pdf.jpg64cf29bcc5471206bfdeb1f794d0cbabMD52unal/66416oai:repositorio.unal.edu.co:unal/664162023-05-24 23:03:20.768Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co |