Modelo para identificação de genes bimodais associados ao prognóstico no câncer
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/44934 |
Resumo: | Nas 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. |
id |
UFRN_b2900d7b18c40609e7bee7da8a7075ed |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/44934 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Justino, Josivan Ribeirohttp://lattes.cnpq.br/6470296449367089http://lattes.cnpq.br/8479967495464590Ferreira, Beatriz Stransky62825968668http://lattes.cnpq.br/3142264445097872Torrezan, Giovanahttp://lattes.cnpq.br/1174527002469907Souza, Jorge Estefano Santana dehttp://lattes.cnpq.br/8058577659019910Nunes, Marcus Alexandrehttp://lattes.cnpq.br/2698100541879707Santos, Ândrea Kely Campos Ribeiro doshttp://lattes.cnpq.br/3899534338451625Souza, Sandro José de2021-11-17T17:33:06Z2021-11-17T17:33:06Z2021-09-16JUSTINO, 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.https://repositorio.ufrn.br/handle/123456789/44934Nas 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.In 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.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESUniversidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM BIOINFORMÁTICAUFRNBrasilCâncerExpressão genéticaDistribuição bimodalModelo de Mistura GaussianaAnálise de sobrevivênciaModelo para identificação de genes bimodais associados ao prognóstico no câncerinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALModeloidentificacaogenes_Justino_2021.pdfapplication/pdf9049105https://repositorio.ufrn.br/bitstream/123456789/44934/1/Modeloidentificacaogenes_Justino_2021.pdfe999cb4f6226a3fbbb2fd0b5fe837933MD51123456789/449342022-05-02 12:06:38.832oai:https://repositorio.ufrn.br:123456789/44934Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2022-05-02T15:06:38Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Modelo para identificação de genes bimodais associados ao prognóstico no câncer |
title |
Modelo para identificação de genes bimodais associados ao prognóstico no câncer |
spellingShingle |
Modelo para identificação de genes bimodais associados ao prognóstico no câncer Justino, Josivan Ribeiro Câncer Expressão genética Distribuição bimodal Modelo de Mistura Gaussiana Análise de sobrevivência |
title_short |
Modelo para identificação de genes bimodais associados ao prognóstico no câncer |
title_full |
Modelo para identificação de genes bimodais associados ao prognóstico no câncer |
title_fullStr |
Modelo para identificação de genes bimodais associados ao prognóstico no câncer |
title_full_unstemmed |
Modelo para identificação de genes bimodais associados ao prognóstico no câncer |
title_sort |
Modelo para identificação de genes bimodais associados ao prognóstico no câncer |
author |
Justino, Josivan Ribeiro |
author_facet |
Justino, Josivan Ribeiro |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6470296449367089 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/8479967495464590 |
dc.contributor.referees1.none.fl_str_mv |
Torrezan, Giovana |
dc.contributor.referees1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1174527002469907 |
dc.contributor.referees2.none.fl_str_mv |
Souza, Jorge Estefano Santana de |
dc.contributor.referees2Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/8058577659019910 |
dc.contributor.referees3.none.fl_str_mv |
Nunes, Marcus Alexandre |
dc.contributor.referees3Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/2698100541879707 |
dc.contributor.referees4.none.fl_str_mv |
Santos, Ândrea Kely Campos Ribeiro dos |
dc.contributor.referees4Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3899534338451625 |
dc.contributor.author.fl_str_mv |
Justino, Josivan Ribeiro |
dc.contributor.advisor-co1.fl_str_mv |
Ferreira, Beatriz Stransky |
dc.contributor.advisor-co1ID.fl_str_mv |
62825968668 |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/3142264445097872 |
dc.contributor.advisor1.fl_str_mv |
Souza, Sandro José de |
contributor_str_mv |
Ferreira, Beatriz Stransky Souza, Sandro José de |
dc.subject.por.fl_str_mv |
Câncer Expressão genética Distribuição bimodal Modelo de Mistura Gaussiana Análise de sobrevivência |
topic |
Câncer Expressão genética Distribuição bimodal Modelo de Mistura Gaussiana Análise de sobrevivência |
description |
Nas 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. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-11-17T17:33:06Z |
dc.date.available.fl_str_mv |
2021-11-17T17:33:06Z |
dc.date.issued.fl_str_mv |
2021-09-16 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
JUSTINO, 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. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/44934 |
identifier_str_mv |
JUSTINO, 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. |
url |
https://repositorio.ufrn.br/handle/123456789/44934 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM BIOINFORMÁTICA |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/44934/1/Modeloidentificacaogenes_Justino_2021.pdf |
bitstream.checksum.fl_str_mv |
e999cb4f6226a3fbbb2fd0b5fe837933 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117585161945088 |