Caracterización del perfil de transcripción génico en pacientes de cáncer de mama triple negativo en Colombia

Ilustraciones, diagramas, tablas

Autores:
Castaño Bernal, Andrés Felipe
Tipo de recurso:
Fecha de publicación:
2024
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/86849
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/86849
https://repositorio.unal.edu.co/
Palabra clave:
510 - Matemáticas::511 - Principios generales de las matemáticas
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
610 - Medicina y salud
Models, Statistical
International Classification of Diseases
Health Statistics
Clasificación Internacional de Enfermedades
Estadísticas de Salud
Modelos Estadísticos
Cáncer de mama
Caracterización
Clasificación
Datos genómicos
Genes
Multidimensionalidad
Breast cancer
Characterization
Classification
Genomic data
Genes
Multidimensionality
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_9d65d22229030f4a4e75b26888685b42
oai_identifier_str oai:repositorio.unal.edu.co:unal/86849
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv Caracterización del perfil de transcripción génico en pacientes de cáncer de mama triple negativo en Colombia
dc.title.translated.eng.fl_str_mv Characterization of the gene transcription profile in patients with triple negative breast cancer in Colombia
title Caracterización del perfil de transcripción génico en pacientes de cáncer de mama triple negativo en Colombia
spellingShingle Caracterización del perfil de transcripción génico en pacientes de cáncer de mama triple negativo en Colombia
510 - Matemáticas::511 - Principios generales de las matemáticas
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
610 - Medicina y salud
Models, Statistical
International Classification of Diseases
Health Statistics
Clasificación Internacional de Enfermedades
Estadísticas de Salud
Modelos Estadísticos
Cáncer de mama
Caracterización
Clasificación
Datos genómicos
Genes
Multidimensionalidad
Breast cancer
Characterization
Classification
Genomic data
Genes
Multidimensionality
title_short Caracterización del perfil de transcripción génico en pacientes de cáncer de mama triple negativo en Colombia
title_full Caracterización del perfil de transcripción génico en pacientes de cáncer de mama triple negativo en Colombia
title_fullStr Caracterización del perfil de transcripción génico en pacientes de cáncer de mama triple negativo en Colombia
title_full_unstemmed Caracterización del perfil de transcripción génico en pacientes de cáncer de mama triple negativo en Colombia
title_sort Caracterización del perfil de transcripción génico en pacientes de cáncer de mama triple negativo en Colombia
dc.creator.fl_str_mv Castaño Bernal, Andrés Felipe
dc.contributor.advisor.spa.fl_str_mv López Kleine, Liliana
dc.contributor.author.spa.fl_str_mv Castaño Bernal, Andrés Felipe
dc.subject.ddc.spa.fl_str_mv 510 - Matemáticas::511 - Principios generales de las matemáticas
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
610 - Medicina y salud
topic 510 - Matemáticas::511 - Principios generales de las matemáticas
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
610 - Medicina y salud
Models, Statistical
International Classification of Diseases
Health Statistics
Clasificación Internacional de Enfermedades
Estadísticas de Salud
Modelos Estadísticos
Cáncer de mama
Caracterización
Clasificación
Datos genómicos
Genes
Multidimensionalidad
Breast cancer
Characterization
Classification
Genomic data
Genes
Multidimensionality
dc.subject.decs.eng.fl_str_mv Models, Statistical
International Classification of Diseases
Health Statistics
dc.subject.decs.spa.fl_str_mv Clasificación Internacional de Enfermedades
Estadísticas de Salud
Modelos Estadísticos
dc.subject.proposal.spa.fl_str_mv Cáncer de mama
Caracterización
Clasificación
Datos genómicos
Genes
Multidimensionalidad
dc.subject.proposal.eng.fl_str_mv Breast cancer
Characterization
Classification
Genomic data
Genes
Multidimensionality
description Ilustraciones, diagramas, tablas
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-09-20T15:06:32Z
dc.date.available.none.fl_str_mv 2024-09-20T15:06:32Z
dc.date.issued.none.fl_str_mv 2024
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/86849
dc.identifier.instname.spa.fl_str_mv Universidad Nacional de Colombia
dc.identifier.reponame.spa.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourl.spa.fl_str_mv https://repositorio.unal.edu.co/
url https://repositorio.unal.edu.co/handle/unal/86849
https://repositorio.unal.edu.co/
identifier_str_mv Universidad Nacional de Colombia
Repositorio Institucional Universidad Nacional de Colombia
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv American Joint Committee on Cancer, . (2010). AJCC Cancer Staging Manual, Seventh Edition, p. 347–369. Springer.
Anders, S. y Huber, W. (2010). Differential expression analysis for sequence count data. Genome Biology, 11(106).
Aronow, B. J., Richardson, B. D., y Handwerger, S. (2001). Microarray analysis of trophoblast differentiation: gene expression reprogramming in key gene function categories. Physiological Genomics, 6(2):105–116.
Asamblea Nacional Constituyente, . (1991). Constitución política de Colombia.
Ayodeji, S., Bao, B., Teslow, E. A., Polin, L. A., Dyson, G., Bollig-Fischer, A., y Fehl, C. (2022). Hyperglycemic o-glcnac transferase activity drives cancer stem cell induction in TNBC.
Bauer, K. R., Brown, M., Cress, R. D., Parise, C. A., y Caggiano, V. (2007). Descriptive analysis of estrogen receptor (ER)-negative, progesterone receptor (PR)-negative, and HER2-negative invasive breast cancer, the so-called triplenegative phenotype. Cancer, 109(9):1721–1728.
Benjamini, Y. y Hochberg, Y. (1995). Controlling the false discovery rate: a practical and powerful approach to multiple testing. R Stat Soc Ser B Methodol, 57(1):289–300.
Borisov, N., Sorokin, M., Tkachev, V., Garazha, A., y Buzdin, A. (2020). Cancer gene expression profiles associated with clinical outcomes to chemotherapy treatments. BMC Medical Genomics, 13(S8).
BreastCancer.org (2022). Prueba de firma genética para el pronóstico de cáncer de mama prosigna. BreastCancer.org https://www.breastcancer.org/es/pruebasdeteccion/prueba-prosigna.
Breiman, L. (2001). Random forests. Machine Learning, 45(1):5–32.
Breiman, L., Friedman, J., Stone, C. J., y Olshen, R. A. (1984). Classification and regression trees. CRC Press.
Brent, R. (1973). Algorithms for minimization without derivatives. Prentice-Hall.
Chiu, A. M., Mitra, M., Boymoushakian, L., y Coller, H. A. (2018). Integrative analysis of the inter-tumoral heterogeneity of triple-negative breast cancer. Scientific Reports, 8(1).
Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1):37–46.
DANE (2018). Encuesta calidad de vida 2018. Departamento Administrativo Nacional de Estadística.
Datta, S. y Nettleton, D. (2014). Statistical analysis of Next Generation Sequencing Data. Springer.
Gu, Z., Liu, J., Cao, K., Zhang, J., y Wang, J. (2012). Centrality-based pathway enrichment: a systematic approach for finding significant pathways dominated by key genes. BMC Systems Biology, 6(1).
Häberle, L., Hein, A., Rübner, M., Schneider, M., Ekici, A., Gass, P., Hartmann, A., Schulz-Wendtland, R., Beckmann, M., Lo, W.-Y., Schroth, W., Brauch, H., Fasching, P., y Wunderle, M. (2017). Predicting triple-negative breast cancer subtype using multiple single nucleotide polymorphisms for breast cancer risk and several variable selection methods. Geburtshilfe und Frauenheilkunde, 77(06):667–678.
Harbeck, N., Penault-Llorca, F., Cortes, J., Gnant, M., Houssami, N., Poortmans, P., Ruddy, K., Tsang, J., y Cardoso, F. (2019). Breast cancer. Nature Reviews Disease Primers, 5(66).
Howard, J., Goh, C. Y., Gorzel, K. W., Higgins, M., y McCann, A. (2022). The potential role of cofilin-1 in promoting triple negative breast cancer (TNBC) metastasis via the extracellular vesicles (evs). Translational Oncology, 15(1):101247.
Instituto Nacional de Cancerología, . (2020). Base de datos de pacientes de cáncer de mama triple negativo.
Ivanov, S. V., Panaccione, A., Nonaka, D., Prasad, M. L., Boyd, K. L., Brown, B., Guo, Y., Sewell, A., y Yarbrough, W. G. (2013). Diagnostic sox10 gene signatures in salivary adenoid cystic and breast basal-like carcinomas. British Journal of Cancer, 109(2):444–451.
Lehmann, B. D., Jovanović, B., Chen, X., Estrada, M. V., Johnson, K. N., Shyr, Y., Moses, H. L., Sanders, M. E., y Pietenpol, J. A. (2016). Refinement of triple-negative breast cancer molecular subtypes: Implications for neoadjuvant chemotherapy selection. PLOS ONE, 11(6):e0157368.
Leming., S. (2010). Maqc-ii project: human breast cancer (br) data set. National Center for Biotechnology Information https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE20194.
Lloyd, S. (1982). Least squares quantization in PCM. IEEE Transactions on Information Theory, 28(2):129–137.
Love, M., Huber, W., y Anders, S. (2014). Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biology, 15(1):550.
Lv, X., He, M., Zhao, Y., Zhang, L., Zhu, W., Jiang, L., Yan, Y., Fan, Y., Zhao, H., Zhou, S., Ma, H., Sun, Y., Li, X., Xu, H., y Wei, M. (2019). Identification of potential key genes and pathways predicting pathogenesis and prognosis for triple-negative breast cancer. Cancer Cell International, 19(1).
López Kleine, L. (2012). Estadística genómica orientada a la predicción funcional de proteínas. Universidad Nacional de Colombia, Serie: Aplicaciones en Bioestadística.
Medina, E. A. y Espinosa, F. (2009). Microarreglos: Tecnología con aplicaciones en el campo de la salud humana. Alergia, Asma e Inmunología Pediátricas, 18(2):52–59.
Medina-Merino, R. F. y Ñique Chacón, C. I. (2017). Bosques aleatorios como extensión de los árboles de clasificación con los programas R y Python. Interfases, 10(1):165–189.
National Human Genome Research Institute, . (2011). Terminación del proyecto genoma humano: Preguntas más frecuentes.
National Institutes of Health, . (2023). David functional annotation bioinformatics microarray analysis. https://david.ncifcrf.gov/home.jsp.
Ortiz Casas, B. (2019). Microarreglos (microarrays): Conceptos básicos. [Archivo de video]. Youtube. https://www.youtube.com/watch?v=16V1q4nctdg&ab_channel=SFPIEUV.
Ozerov, I. V., Lezhnina, K. V., Izumchenko, E., Artemov, A. V., Medintsev, S., Vanhaelen, Q., Aliper, A., Vijg, J., Osipov, A. N., Labat, I., West, M. D., Buzdin, A., Cantor, C. R., Nikolsky, Y., Borisov, N., Irincheeva, I., Khokhlovich, E., Sidransky, D., Camargo, M. L., y Zhavoronkov, A. (2016). In silico pathway activation network decomposition analysis (ipanda) as a method for biomarker development. Nature Communications, 7(1).
Pardo, C. E. y Cabarcas, G. (2001). Métodos estadísticos multivariados en investigación social. Simposio de estadística, 13.
Perou, C. M., Sørlie, T., Eisen, M. B., van de Rijn, M., Jeffrey, S. S., Rees, C. A., Pollack, J. R., Ross, D. T., Johnsen, H., Akslen, L. A., Fluge, Ø., Pergamenschikov, A., Williams, C., Zhu, S. X., Lønning, P. E., Børresen-Dale, A.-L., Brown, P. O., y Botstein, D. (2000). Molecular portraits of human breast tumours. Nature, 406(6797):747–752.
Peña, D. (2002). Análisis de Datos Multivariantes. McGraw-Hill.
Phipson, B., Lee, S., Majewski, I. J., Alexander, W. S., y Smyth, G. K. (2016). Robust hyperparameter estimation protects against hypervariable genes and improves power to detect differential expression. The Annals of Applied Statistics, 10(2).
Popielarski, M., Ponamarczuk, H., Stasiak, M., Wata la, C., y Światkowska, M. (2019). Modifications of disulfide bonds in breast cancer cell migration and invasiveness. American Journal of Cancer Research, 8.
Prado-Vázquez, G., Gámez-Pozo, A., Trilla-Fuertes, L., Arevalillo, J. M., Zapater-Moros, A., Ferrer-Gómez, M., Díaz-Almirón, M., López-Vacas, R., Navarro, H., Maín, P., Feliú, J., Zamora, P., Espinosa, E., y Vara, J. Á. F. (2019). A novel approach to triple-negative breast cancer molecular classification reveals a luminal immune-positive subgroup with good prognoses. Scientific Reports, 9(1538).
Ritchie, M. E., Phipson, B., Wu, D., Hu, Y., Law, C. W., Shi, W., y Smyth, G. K. (2015). limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Research, 43(7):e47–e47.
Rodríguez Castro, D. C. (2017). Clasificación no lineal para datos de conteo: aplicación a datos de expresión de secuenciación de RNA. [Tesis de Maestría, Universidad Nacional de Colombia]. https://repositorio.unal.edu.co/handle/unal/62187.
Schäfer, J. y Strimmer, K. (2005). A shrinkage approach to large-scale covariance matrix estimation and implications for functional genomics. Statistical Applications in Genetics and Molecular Biology, 4(1).
Simon, R. M., Korn, E. L., McShane, L. M., Radmacher, M. D., Wright, G. W., y Zhao, Y. (2003). Design and analysis of DNA microarray investigations. Springer.
Smyth, G. K. (2004). Linear models and empirical bayes methods for assessing differential expression in microarray experiments. Statistical Applications in Genetics and Molecular Biology, 3(1):1–25.
StatQuest with Josh Stamer, . (2017). Statquest: A gentle introduction to RNA-seq. [Archivo de video]. Youtube. https://www.youtube.com/watch?v=tlf6wYJrwKY&ab_channel=StatQuestwithJoshStarmer.
Tenenhaus, A. y Tenenhaus, M. (2011). Regularized generalized canonical correlation analysis. Psychometrika, 76(2):257–284.
van den Elsen, J. M. (2001). Structure of golgi alpha-mannosidase ii: a target for inhibition of growth and metastasis of cancer cells. The EMBO Journal, 20(12):3008–3017.
Walker-Smith, T. L. y Peck, J. (2019). Genetic and genomic advances in breast cancer diagnosis and treatment. Nursing for Women’s Health, 23(6):518–525.
Wang, M., Law, M. E., Davis, B. J., Yaaghubi, E., Ghilardi, A. F., Ferreira, R. B., Chiang, C.-W., Guryanova, O. A., Kopinke, D., Heldermon, C. D., Castellano, R. K., y Law, B. K. (2019). Disulfide bond-disrupting agents activate the tumor necrosis family-related apoptosis-inducing ligand/death receptor 5 pathway. Cell Death Discovery, 5(1).
Winship Cancer Institute, . (s.f.). Genes del cáncer. cancer quest, Emory University.
Yan, C., Hu, J., Yang, Y., Hu, H., Zhou, D., Ma, M., y Xu, N. (2019). Plasma extracellular vesicle-packaged micrornas as candidate diagnostic biomarkers for early-stage breast cancer. Molecular Medicine Reports.
Zaharia, M. y Gómez, H. (2014). Cáncer de mama triple negativo: una enfermedad de difícil diagnóstico y tratamiento. Revista Peruana de Medicina Experimental y Salud Pública, 30(4):649–656.
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
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv xv, 101 páginas
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.country.spa.fl_str_mv Colombia
dc.publisher.spa.fl_str_mv Universidad Nacional de Colombia
dc.publisher.program.spa.fl_str_mv Bogotá - Ciencias - Maestría en Ciencias - Estadística
dc.publisher.faculty.spa.fl_str_mv Facultad de Ciencias
dc.publisher.place.spa.fl_str_mv Bogotá, Colombia
dc.publisher.branch.spa.fl_str_mv Universidad Nacional de Colombia - Sede Bogotá
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/86849/1/license.txt
https://repositorio.unal.edu.co/bitstream/unal/86849/2/1032481681.2024.pdf
https://repositorio.unal.edu.co/bitstream/unal/86849/3/1032481681.2024.pdf.jpg
bitstream.checksum.fl_str_mv eb34b1cf90b7e1103fc9dfd26be24b4a
1f4564667ae2ecb3e263514b2dd9f264
92d292b6f7e7f835bec106e0f6299e2a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814090221839450112
spelling Atribución-NoComercial 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2López Kleine, Liliana9c5b8dea895d5ed7db5c3cb9b48fb925Castaño Bernal, Andrés Felipeec1f0a6801ecdf6b38ce334a9aea287e2024-09-20T15:06:32Z2024-09-20T15:06:32Z2024https://repositorio.unal.edu.co/handle/unal/86849Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/Ilustraciones, diagramas, tablasEl cáncer de mama es una enfermedad muy heterogénea donde se han desarrollado varios subtipos de diagnóstico y tratamiento particular, razón por la cual, no existe ningún método estadístico que sea infalible a la hora de caracterizar el perfil transcriptómico de pacientes que sufren esta enfermedad. Dentro de los subtipos que se conocen, se encuentra el cáncer de mama triple negativo que afecta principalmente a mujeres con ancestría afro descendiente o latina y se caracteriza por no mostrar señales en los tres receptores que permiten el diagnóstico de la enfermedad. La complejidad de este subtipo de cáncer, sumada al hecho de que Colombia es diversa y se encuentran muchas mujeres con predisposición genética, donde en el país se generan cada día más conjuntos genómicos que tienen multidimensionalidad y estos son estudiados principalmente por personas sin formación estadística, de áreas como la biología, la clínica y la medicina, entre otras, fueron los factores que motivaron el presente estudio en el cual se abordará una metodología estadística sencilla e intuitiva, que pueda relacionar la información clínica a un conjunto de genes. El principal objetivo fue determinar los genes más informativos para la caracterización de las pacientes en una pequeña muestra de pacientes colombianas con multidimensionalidad. Una vez seleccionados, se evaluó su relación con variables clínicas y su capacidad para clasificar las muestras de manera adecuada con base en el diagnóstico clínico. Para ello se usaron métodos como el RGCCA, DESeq2, Random Forest y las aplicaciones limma en R, basadas en modelos lineales y estimaciones bayesianas. Finalmente, se buscó más información para identificar su relación con la enfermedad en el aplicativo DAVID (Texto tomado de la fuente).Breast cancer is a very heterogeneous disease in which several diagnostic and treatment subtypes have been developed, which is why there is no infallible statistical method when it comes to characterizing the transcriptomic profile of patients suffering from this disease. Among the known subtypes is triple negative breast cancer, which mainly affects women of African or Latin descent and is characterized by not showing signals in the three receptors that allow the diagnosis of the disease. The complexity of this subtype of cancer, added to the fact that Colombia is diverse and there are many women with a genetic predisposition, where in the country more and more genomic sets are generated every day that have multidimensionality and these are studied mainly by people without statistical training, from areas such as biology, clinical and medicine, among others, were the factors that motivated the present study in which a simple and intuitive statistical methodology will be addressed, which can relate clinical information to a set of genes. The main objective was to determine the most informative genes for the characterization of patients in a small sample of Colombian patients with multidimensionality. Once selected, their relationship with clinical variables and their ability to classify samples appropriately based on clinical diagnosis were evaluated. For this purpose, methods such as RGCCA, DESeq2, Random Forest and the limma applications in R, based on linear models and Bayesian estimates were used. Finally, more information was sought to identify their relationship with the disease in DAVID app.MaestríaMagister en Ciencias - Estadísticaxv, 101 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Ciencias - Maestría en Ciencias - EstadísticaFacultad de CienciasBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá510 - Matemáticas::511 - Principios generales de las matemáticas510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas610 - Medicina y saludModels, StatisticalInternational Classification of DiseasesHealth StatisticsClasificación Internacional de EnfermedadesEstadísticas de SaludModelos EstadísticosCáncer de mamaCaracterizaciónClasificaciónDatos genómicosGenesMultidimensionalidadBreast cancerCharacterizationClassificationGenomic dataGenesMultidimensionalityCaracterización del perfil de transcripción génico en pacientes de cáncer de mama triple negativo en ColombiaCharacterization of the gene transcription profile in patients with triple negative breast cancer in ColombiaTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMColombiaAmerican Joint Committee on Cancer, . (2010). AJCC Cancer Staging Manual, Seventh Edition, p. 347–369. Springer.Anders, S. y Huber, W. (2010). Differential expression analysis for sequence count data. Genome Biology, 11(106).Aronow, B. J., Richardson, B. D., y Handwerger, S. (2001). Microarray analysis of trophoblast differentiation: gene expression reprogramming in key gene function categories. Physiological Genomics, 6(2):105–116.Asamblea Nacional Constituyente, . (1991). Constitución política de Colombia.Ayodeji, S., Bao, B., Teslow, E. A., Polin, L. A., Dyson, G., Bollig-Fischer, A., y Fehl, C. (2022). Hyperglycemic o-glcnac transferase activity drives cancer stem cell induction in TNBC.Bauer, K. R., Brown, M., Cress, R. D., Parise, C. A., y Caggiano, V. (2007). Descriptive analysis of estrogen receptor (ER)-negative, progesterone receptor (PR)-negative, and HER2-negative invasive breast cancer, the so-called triplenegative phenotype. Cancer, 109(9):1721–1728.Benjamini, Y. y Hochberg, Y. (1995). Controlling the false discovery rate: a practical and powerful approach to multiple testing. R Stat Soc Ser B Methodol, 57(1):289–300.Borisov, N., Sorokin, M., Tkachev, V., Garazha, A., y Buzdin, A. (2020). Cancer gene expression profiles associated with clinical outcomes to chemotherapy treatments. BMC Medical Genomics, 13(S8).BreastCancer.org (2022). Prueba de firma genética para el pronóstico de cáncer de mama prosigna. BreastCancer.org https://www.breastcancer.org/es/pruebasdeteccion/prueba-prosigna.Breiman, L. (2001). Random forests. Machine Learning, 45(1):5–32.Breiman, L., Friedman, J., Stone, C. J., y Olshen, R. A. (1984). Classification and regression trees. CRC Press.Brent, R. (1973). Algorithms for minimization without derivatives. Prentice-Hall.Chiu, A. M., Mitra, M., Boymoushakian, L., y Coller, H. A. (2018). Integrative analysis of the inter-tumoral heterogeneity of triple-negative breast cancer. Scientific Reports, 8(1).Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1):37–46.DANE (2018). Encuesta calidad de vida 2018. Departamento Administrativo Nacional de Estadística.Datta, S. y Nettleton, D. (2014). Statistical analysis of Next Generation Sequencing Data. Springer.Gu, Z., Liu, J., Cao, K., Zhang, J., y Wang, J. (2012). Centrality-based pathway enrichment: a systematic approach for finding significant pathways dominated by key genes. BMC Systems Biology, 6(1).Häberle, L., Hein, A., Rübner, M., Schneider, M., Ekici, A., Gass, P., Hartmann, A., Schulz-Wendtland, R., Beckmann, M., Lo, W.-Y., Schroth, W., Brauch, H., Fasching, P., y Wunderle, M. (2017). Predicting triple-negative breast cancer subtype using multiple single nucleotide polymorphisms for breast cancer risk and several variable selection methods. Geburtshilfe und Frauenheilkunde, 77(06):667–678.Harbeck, N., Penault-Llorca, F., Cortes, J., Gnant, M., Houssami, N., Poortmans, P., Ruddy, K., Tsang, J., y Cardoso, F. (2019). Breast cancer. Nature Reviews Disease Primers, 5(66).Howard, J., Goh, C. Y., Gorzel, K. W., Higgins, M., y McCann, A. (2022). The potential role of cofilin-1 in promoting triple negative breast cancer (TNBC) metastasis via the extracellular vesicles (evs). Translational Oncology, 15(1):101247.Instituto Nacional de Cancerología, . (2020). Base de datos de pacientes de cáncer de mama triple negativo.Ivanov, S. V., Panaccione, A., Nonaka, D., Prasad, M. L., Boyd, K. L., Brown, B., Guo, Y., Sewell, A., y Yarbrough, W. G. (2013). Diagnostic sox10 gene signatures in salivary adenoid cystic and breast basal-like carcinomas. British Journal of Cancer, 109(2):444–451.Lehmann, B. D., Jovanović, B., Chen, X., Estrada, M. V., Johnson, K. N., Shyr, Y., Moses, H. L., Sanders, M. E., y Pietenpol, J. A. (2016). Refinement of triple-negative breast cancer molecular subtypes: Implications for neoadjuvant chemotherapy selection. PLOS ONE, 11(6):e0157368.Leming., S. (2010). Maqc-ii project: human breast cancer (br) data set. National Center for Biotechnology Information https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE20194.Lloyd, S. (1982). Least squares quantization in PCM. IEEE Transactions on Information Theory, 28(2):129–137.Love, M., Huber, W., y Anders, S. (2014). Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biology, 15(1):550.Lv, X., He, M., Zhao, Y., Zhang, L., Zhu, W., Jiang, L., Yan, Y., Fan, Y., Zhao, H., Zhou, S., Ma, H., Sun, Y., Li, X., Xu, H., y Wei, M. (2019). Identification of potential key genes and pathways predicting pathogenesis and prognosis for triple-negative breast cancer. Cancer Cell International, 19(1).López Kleine, L. (2012). Estadística genómica orientada a la predicción funcional de proteínas. Universidad Nacional de Colombia, Serie: Aplicaciones en Bioestadística.Medina, E. A. y Espinosa, F. (2009). Microarreglos: Tecnología con aplicaciones en el campo de la salud humana. Alergia, Asma e Inmunología Pediátricas, 18(2):52–59.Medina-Merino, R. F. y Ñique Chacón, C. I. (2017). Bosques aleatorios como extensión de los árboles de clasificación con los programas R y Python. Interfases, 10(1):165–189.National Human Genome Research Institute, . (2011). Terminación del proyecto genoma humano: Preguntas más frecuentes.National Institutes of Health, . (2023). David functional annotation bioinformatics microarray analysis. https://david.ncifcrf.gov/home.jsp.Ortiz Casas, B. (2019). Microarreglos (microarrays): Conceptos básicos. [Archivo de video]. Youtube. https://www.youtube.com/watch?v=16V1q4nctdg&ab_channel=SFPIEUV.Ozerov, I. V., Lezhnina, K. V., Izumchenko, E., Artemov, A. V., Medintsev, S., Vanhaelen, Q., Aliper, A., Vijg, J., Osipov, A. N., Labat, I., West, M. D., Buzdin, A., Cantor, C. R., Nikolsky, Y., Borisov, N., Irincheeva, I., Khokhlovich, E., Sidransky, D., Camargo, M. L., y Zhavoronkov, A. (2016). In silico pathway activation network decomposition analysis (ipanda) as a method for biomarker development. Nature Communications, 7(1).Pardo, C. E. y Cabarcas, G. (2001). Métodos estadísticos multivariados en investigación social. Simposio de estadística, 13.Perou, C. M., Sørlie, T., Eisen, M. B., van de Rijn, M., Jeffrey, S. S., Rees, C. A., Pollack, J. R., Ross, D. T., Johnsen, H., Akslen, L. A., Fluge, Ø., Pergamenschikov, A., Williams, C., Zhu, S. X., Lønning, P. E., Børresen-Dale, A.-L., Brown, P. O., y Botstein, D. (2000). Molecular portraits of human breast tumours. Nature, 406(6797):747–752.Peña, D. (2002). Análisis de Datos Multivariantes. McGraw-Hill.Phipson, B., Lee, S., Majewski, I. J., Alexander, W. S., y Smyth, G. K. (2016). Robust hyperparameter estimation protects against hypervariable genes and improves power to detect differential expression. The Annals of Applied Statistics, 10(2).Popielarski, M., Ponamarczuk, H., Stasiak, M., Wata la, C., y Światkowska, M. (2019). Modifications of disulfide bonds in breast cancer cell migration and invasiveness. American Journal of Cancer Research, 8.Prado-Vázquez, G., Gámez-Pozo, A., Trilla-Fuertes, L., Arevalillo, J. M., Zapater-Moros, A., Ferrer-Gómez, M., Díaz-Almirón, M., López-Vacas, R., Navarro, H., Maín, P., Feliú, J., Zamora, P., Espinosa, E., y Vara, J. Á. F. (2019). A novel approach to triple-negative breast cancer molecular classification reveals a luminal immune-positive subgroup with good prognoses. Scientific Reports, 9(1538).Ritchie, M. E., Phipson, B., Wu, D., Hu, Y., Law, C. W., Shi, W., y Smyth, G. K. (2015). limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Research, 43(7):e47–e47.Rodríguez Castro, D. C. (2017). Clasificación no lineal para datos de conteo: aplicación a datos de expresión de secuenciación de RNA. [Tesis de Maestría, Universidad Nacional de Colombia]. https://repositorio.unal.edu.co/handle/unal/62187.Schäfer, J. y Strimmer, K. (2005). A shrinkage approach to large-scale covariance matrix estimation and implications for functional genomics. Statistical Applications in Genetics and Molecular Biology, 4(1).Simon, R. M., Korn, E. L., McShane, L. M., Radmacher, M. D., Wright, G. W., y Zhao, Y. (2003). Design and analysis of DNA microarray investigations. Springer.Smyth, G. K. (2004). Linear models and empirical bayes methods for assessing differential expression in microarray experiments. Statistical Applications in Genetics and Molecular Biology, 3(1):1–25.StatQuest with Josh Stamer, . (2017). Statquest: A gentle introduction to RNA-seq. [Archivo de video]. Youtube. https://www.youtube.com/watch?v=tlf6wYJrwKY&ab_channel=StatQuestwithJoshStarmer.Tenenhaus, A. y Tenenhaus, M. (2011). Regularized generalized canonical correlation analysis. Psychometrika, 76(2):257–284.van den Elsen, J. M. (2001). Structure of golgi alpha-mannosidase ii: a target for inhibition of growth and metastasis of cancer cells. The EMBO Journal, 20(12):3008–3017.Walker-Smith, T. L. y Peck, J. (2019). Genetic and genomic advances in breast cancer diagnosis and treatment. Nursing for Women’s Health, 23(6):518–525.Wang, M., Law, M. E., Davis, B. J., Yaaghubi, E., Ghilardi, A. F., Ferreira, R. B., Chiang, C.-W., Guryanova, O. A., Kopinke, D., Heldermon, C. D., Castellano, R. K., y Law, B. K. (2019). Disulfide bond-disrupting agents activate the tumor necrosis family-related apoptosis-inducing ligand/death receptor 5 pathway. Cell Death Discovery, 5(1).Winship Cancer Institute, . (s.f.). Genes del cáncer. cancer quest, Emory University.Yan, C., Hu, J., Yang, Y., Hu, H., Zhou, D., Ma, M., y Xu, N. (2019). Plasma extracellular vesicle-packaged micrornas as candidate diagnostic biomarkers for early-stage breast cancer. Molecular Medicine Reports.Zaharia, M. y Gómez, H. (2014). Cáncer de mama triple negativo: una enfermedad de difícil diagnóstico y tratamiento. Revista Peruana de Medicina Experimental y Salud Pública, 30(4):649–656.EstudiantesInvestigadoresMaestrosLICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/86849/1/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD51ORIGINAL1032481681.2024.pdf1032481681.2024.pdfTrabajo de Maestría en Ciencias - Estadísticaapplication/pdf15315341https://repositorio.unal.edu.co/bitstream/unal/86849/2/1032481681.2024.pdf1f4564667ae2ecb3e263514b2dd9f264MD52THUMBNAIL1032481681.2024.pdf.jpg1032481681.2024.pdf.jpgGenerated Thumbnailimage/jpeg4728https://repositorio.unal.edu.co/bitstream/unal/86849/3/1032481681.2024.pdf.jpg92d292b6f7e7f835bec106e0f6299e2aMD53unal/86849oai:repositorio.unal.edu.co:unal/868492024-09-20 23:23:53.427Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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

Publicaciones similares