Pipeline para la eliminación de batch-effects en cohortes de microbioma 16S-rRNA en cáncer

Abstract

[Resumen]: El cáncer se ha convertido en una preocupación global en el entorno de la salud pública durante los últimos años. Personalizar el tratamiento e identificar cambios en el microbioma ayuda a detectar mejor esta enfermedad y por lo tanto la realización de diagnósticos más precisos. Realizar este proceso requiere de datos de varias cohortes de microbioma 16sRNA relacionadas con el cáncer colorrectal,las cuales al haber sido secuenciados de diferentes maneras contienen el efecto no deseado conocido como batch effect. La eliminación de estos efectos usando diversos métodos produce, sin duda, una limpieza de los datos que mejora el estudio de los biomarcadores producidos por alteraciones en el microbioma. Por ello, este trabajo estudia los métodos que realizan este proceso así como evaluar el rendimiento de cada uno de ellos, estudiando la eficacia de estos métodos por su capacidad de eliminar los efectos no deseados y para mantener la naturaleza de los datos buscando determinar el status de la muestra. Por último, los experimentos realizados en este trabajo brindan resultados sobre la manera en la que funcionan estos métodos así como la representación estadística y gráfica de su funcionamiento durante las diferentes evaluaciones realizadas.

[Abstract]: Cancer has significantly become a global concern on the public health environment. Personalising the treatment and identifying changes in the microbiome ease detection of this disease as well as making more accurate diagnoses. Conducting this process requires data from multiple 16s-RNA cohorts of colorectal cancer that have been sequenced in different ways and contain the unwanted effect known as batch effect. The elimination of these effects using divergent methods produces undoubtedly clean data which improves the studies of biomarkers that are produced by alterations in the microbiome. Therefore, this research examines the methods that perform this process as well as evaluates the output of each of them by assessing the effectiveness of these methods, for its capacity to remove all the unwanted effects and also to preserve the nature of the data as to determine the status of the sample. Finally, the experiments conducted on this paper will provide results on how these methods work, as well as the statistical and graphical representation of their functioning during the diverse evaluations made.