Modelo para identificação de genes bimodais associados ao prognóstico no câncer

dc.contributor.advisorSouza, Sandro José de
dc.contributor.advisor-co1Ferreira, Beatriz Stransky
dc.contributor.advisor-co1ID62825968668pt_BR
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/3142264445097872pt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/8479967495464590pt_BR
dc.contributor.authorJustino, Josivan Ribeiro
dc.contributor.authorLatteshttp://lattes.cnpq.br/6470296449367089pt_BR
dc.contributor.referees1Torrezan, Giovana
dc.contributor.referees1Latteshttp://lattes.cnpq.br/1174527002469907pt_BR
dc.contributor.referees2Souza, Jorge Estefano Santana de
dc.contributor.referees2Latteshttp://lattes.cnpq.br/8058577659019910pt_BR
dc.contributor.referees3Nunes, Marcus Alexandre
dc.contributor.referees3Latteshttp://lattes.cnpq.br/2698100541879707pt_BR
dc.contributor.referees4Santos, Ândrea Kely Campos Ribeiro dos
dc.contributor.referees4Latteshttp://lattes.cnpq.br/3899534338451625pt_BR
dc.date.accessioned2021-11-17T17:33:06Z
dc.date.available2021-11-17T17:33:06Z
dc.date.issued2021-09-16
dc.description.abstractIn the last decades the biological interest in understanding gene regulation has led to the discovery of tumor genes with differentiated expression in subgroups of patients. These genes have a bimodal profile of expression value distribution, which has raised attention to investigate the patterns of development and their functionality. To better understand the bimodal pattern of these genes, the main objective of the work was to identify distinct groups of patients in a given tumor type, who had low and high levels of expression for the same gene, associated with a better or worse cancer survival prognosis. We developed a method that selects candidate genes for the bimodality pattern from the probability density function of the expression values. We analyzed 25 tumor types available in The Cancer Genome Atlas (TCGA), à we performed survival analysis using clinical information extracted from cBioPortal for Cancer Genomics. We used Fragments by Exon Kilobase per Millions of Mapped Fragments (FPKM) expression data for 24,456 genes, and found in the 25 tumor types 554 unique bimodal genes, of which 46 showed bimodal expression in more than one cancer type, with higher prevalence on the Y chromosome. The tumors KIRC, KIRP, LGG, SKCM, THCA and THYM showed consistent samples regarding survival prognosis with p-value ≤ 0.01. The method proved efficient in reducing the levels of internal variability of the groups, especially when analyzing the data by cancer subtype. As a contribution, we present a method with a free code that makes it possible to reduce the levels of internal variability of the groups and that relates the bimodal expression pattern with the survival prognosis. Thus, we believe that the use of the method may be useful in the evaluation of the bimodal pattern of gene expression and in the discovery of new clinical biomarkers for different types of cancer.pt_BR
dc.description.resumoNas últimas décadas o interesse biológico em compreender a regulação gênica, tem levado a descobertas de genes tumorais com expressões diferenciadas em subgrupos de pacientes. Estes genes possuem um perfil bimodal de distribuição dos valores de expressão, o que têm despertado a atenção para investigar os padrões de desenvolvimento e de sua funcionalidade. Para melhor compreender o padrão bimodal destes genes, o objetivo principal do trabalho foi identificar grupos distintos de pacientes em determinado tipo de tumor, que apresentassem níveis baixo e alto da expressão para o mesmo gene, associados a um melhor ou pior prognóstico de sobrevida do câncer. Desenvolvemos um método que seleciona genes candidatos ao padrão de bimodalidade a partir da função densidade de probabilidade dos valores de expressão. Analisamos 25 tipos de tumor disponíveis no The Cancer Genome Atlas (TCGA), à realizamos análise de sobrevivência usando informações clínicas extraídas do cBioPortal for Cancer Genomics. Utilizamos os dados de expressão em Fragments by Exon Kilobase per Millions of Mapped Fragments (FPKM) para 24.456 genes, e encontramos nos 25 tipos de tumores 554 genes bimodais únicos, dos quais 46 apresentaram expressão bimodal em mais de um tipo de câncer, com maior prevalência no cromossomo Y. Os tumores KIRC, KIRP, LGG, SKCM, THCA e THYM apresentaram amostras consistentes quanto ao prognóstico de sobrevida com p-valor ≤ 0,01. O método mostrou-se eficiente em reduzir os níveis de variabilidade interna dos grupos, principalmente quando analisamos os dados pelo subtipo de câncer. Como contribuição apresentamos um método com o código livre, que possibilita reduzir os níveis de variabilidade interna dos grupos e que relaciona o padrão de expressão bimodal com o prognóstico de sobrevida. Assim, acreditamos que a utilização do método poderá ser útil na avaliação do padrão bimodal de expressão gênica e na descoberta de novos biomarcadores clínicos para diferentes tipos de câncer.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpt_BR
dc.identifier.citationJUSTINO, Josivan Ribeiro. Modelo para identificação de genes bimodais associados ao prognóstico no câncer. 2021. 60f. Tese (Doutorado em Bioinformática) - Instituto Metrópole Digital, Universidade Federal do Rio Grande do Norte, Natal, 2021.pt_BR
dc.identifier.urihttps://repositorio.ufrn.br/handle/123456789/44934
dc.languagept_BRpt_BR
dc.publisherUniversidade Federal do Rio Grande do Nortept_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM BIOINFORMÁTICApt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectCâncerpt_BR
dc.subjectExpressão genéticapt_BR
dc.subjectDistribuição bimodalpt_BR
dc.subjectModelo de Mistura Gaussianapt_BR
dc.subjectAnálise de sobrevivênciapt_BR
dc.titleModelo para identificação de genes bimodais associados ao prognóstico no câncerpt_BR
dc.typedoctoralThesispt_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Modeloidentificacaogenes_Justino_2021.pdf
Tamanho:
8.63 MB
Formato:
Adobe Portable Document Format
Nenhuma Miniatura disponível
Baixar