Priorización de genes y búsqueda de dianas terapéuticas por medio de herramientas informáticas y técnicas de aprendizaje automatizado en cáncer de mama
![Thumbnail](/dspace/bitstream/handle/2183/28065/LopezCortes_Andres_TD_2021.pdf.jpg?sequence=4&isAllowed=y)
Ver/ abrir
Use este enlace para citar
http://hdl.handle.net/2183/28065Coleccións
- Teses de doutoramento [2150]
Metadatos
Mostrar o rexistro completo do ítemTítulo
Priorización de genes y búsqueda de dianas terapéuticas por medio de herramientas informáticas y técnicas de aprendizaje automatizado en cáncer de mamaAutor(es)
Director(es)
Barigye, Stephen JonesGonzález-Díaz, Humberto
Pazos, A.
Data
2021Resumo
[Resumen]
El cáncer de mama (CM) es la principal causa de muerte relacionada a neoplasias en
mujeres y es el tipo de cáncer más diagnosticado a nivel mundial. CM es una enfermedad
heterogénea en donde están envueltos diversos factores como alteraciones genómicas,
desregulación de la expresión de proteínas, alteración de cascadas genéticas, desregulación
hormonal, determinantes ambientales y etnicidad. A pesar de los grandes avances
tecnológicos y científicos en los últimos años, la comprensión de los procesos moleculares, la
identificación de nuevas dianas terapéuticas y la predicción de proteínas envueltas
inmunoterapia, metástasis, y unión al ARN es indispensable para el desarrollo de fármacos y
la aplicación de la medicina de precisión en la práctica clínica. La tesis aquí propuesta plantea
el desarrollo de una estrategia consenso altamente eficiente en el reconocimiento de genes y
proteínas asociadas al CM; la validación oncológica de dichos genes y proteínas priorizadas
mediante la estrategia OncoOmics que consistió en el análisis de bases de datos
experimentales de alta relevancia a nivel mundial; la identificación de mutaciones
oncogénicas y fármacos indispensables para el desarrollo y aplicación de la medicina de
precisión; y la predicción de proteínas de CM asociadas a inmunoterapia, metástasis y unión
al ARN mediante diversas herramientas informáticas y métodos de inteligencia artificial.
Todos los resultados se publicaron en revistas internacionales de importante factor de
impacto. Abstract]
Breast cancer (BC) is the leading cause of cancer-related death among women and the
most commonly diagnosed cancer worldwide. BC is a heterogeneous disease where genomic
alterations, protein expression deregulation, signaling pathway alterations, hormone
disruption, ethnicity and environmental determinants are involved. Despite the technological
and scientific advances in recent years, an understanding of molecular processes, the
identification of new therapeutic targets and the prediction of proteins involved in
immunotherapy, metastasis, and RNA binding is essential for drug development and
application of precision medicine in clinical practice. The current thesis proposes the
development of a high efficient consensus strategy in the recognition of genes and proteins
associated with BC; the oncological validation of these prioritized genes and proteins using
the OncoOmics strategy, which consisted of the analysis of outstanding experimental
databases; the identification of oncogenic mutations and essential drugs for the development
and application of precision medicine; and the prediction of BC proteins associated with
immunotherapy, metastasis and RNA-binding using bioinformatics tools and artificial
intelligence methods. All results were published in international journals with a significant
impact factor. [Resumo]
O cancro de mama (CM) é a principal causa de morte relacionada con enfermidades
malignas en mulleres e é o tipo de cancro máis diagnosticado a nivel mundial. A CM é unha
enfermidade heteroxénea onde interveñen varios factores, como alteracións xenómicas,
desregulación da expresión proteica, alteración de cascadas xenéticas, desregulación
hormonal, determinantes ambientais e etnia. A pesar dos grandes avances tecnolóxicos e
científicos dos últimos anos, a comprensión dos procesos moleculares, a identificación de
novas dianas terapéuticas e a predición de proteínas implicadas na inmunoterapia, metástase e
unión ao ARN é fundamental para o desenvolvemento de fármacos e aplicación da medicina
de precisión na práctica clínica. Esta tese propón o desenvolvemento dunha estratexia de
consenso altamente eficiente no recoñecemento de xenes e proteínas asociadas a CM; a
validación oncolóxica destes xenes e proteínas prioritarias mediante a estratexia OncoOmics,
que consistiu na análise de bases de datos experimentais altamente relevantes en todo o
mundo; a identificación de mutacións oncogénicas e fármacos esenciais para o
desenvolvemento e aplicación da medicina de precisión; e a predición de proteínas CM
asociadas á inmunoterapia, metástase e unión ao ARN usando diversas ferramentas
informáticas e métodos de intelixencia artificial. Todos os resultados publicáronse en revistas
internacionais cun importante factor de impacto.
Palabras chave
Medicina-Informática
Mamas-Cáncer-Investigación-Galicia
Tratamiento de imágenes en medicina
Mamas-Cáncer-Investigación-Galicia
Tratamiento de imágenes en medicina
Descrición
Programa Oficial de Doutoramento en Tecnoloxías da Información e as Comunicacións. 5032V01 Tese por compendio de publicacións
Dereitos
Os titulares dos dereitos de propiedade intelectual autorizan a visualización do contido desta tese a través de Internet, así como a súa reproducción, gravación en soporte informático ou impresión para o seu uso privado e/ou con fins de estudo e de investigación. En nengún caso se permite o uso lucrativo deste documento. Estos dereitos afectan tanto ó resumo da tese como o seu contido Los titulares de los derechos de propiedad intelectual autorizan la visualización del contenido de esta tesis a través de Internet, así como su repoducción, grabación en soporte informático o impresión para su uso privado o con fines de investigación. En ningún caso se permite el uso lucrativo de este documento. Estos derechos afectan tanto al resumen de la tesis como a su contenido