Análisis integrativo de datos ómicos y datos clínicos: Predicción de variables clínicas a partir de datos de expresión génica en pacientes con Enfermedad Pulmonar Obstructiva Crónica
El análisis integrativo de datos clínicos y ómicos puede aumentar el poder de predicción que ambos tienen por separado, lo que ayudaría a una mejor comprensión de múltiples enfermedades. Este trabajo estudia este análisis como herramienta para la predicción de variables clínicas de gravedad de la en...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de publicación: | 2019 |
| País: | España |
| Recursos: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/98807 |
| Acesso em linha: | http://hdl.handle.net/10609/98807 |
| Access Level: | acceso abierto |
| Palavra-chave: | ómica genómica metabolómica interactómica datos clínicos proteómica big data omics genomics proteomics metabolomics interactomics clinical data òmica proteòmica metabolòmica interactòmica dades clíniques genòmica Bioinformatics -- TFM Bioinformàtica -- TFM Bioinformática -- TFM |
| Resumo: | El análisis integrativo de datos clínicos y ómicos puede aumentar el poder de predicción que ambos tienen por separado, lo que ayudaría a una mejor comprensión de múltiples enfermedades. Este trabajo estudia este análisis como herramienta para la predicción de variables clínicas de gravedad de la enfermedad pulmonar obstructiva crónica (EPOC). Se escogió un conjunto de datos real de pacientes con EPOC (repositorio GEO: GSE42057), y se llevó a cabo revisión bibliográfica sobre los principales métodos para análisis integrativo. Se analizó la información clínica y ómica por separado con análisis de componentes principales (PCA), y se construyó un modelo mediante regresión de mínimos cuadrados parciales dispersos (sPLS) para predecir las variables clínicas. La evaluación del modelo se realizó mediante validación cruzada. El análisis de genes diferencialmente expresados entre pacientes EPOC grave y controles detectó la participación de vías biológicas como la diferenciación celular hematopoyética, la interacción citoquina-receptor y las inmunodeficiencias primarias. El PCA identificó que el primer componente principal explicaba el mayor porcentaje de la varianza (79% datos clínicos; 57% datos ómicos). Seguidamente, se construyó el modelo con sPLS, obteniendo un coeficiente Q2>0,0975 para el primer componente principal. El análisis integrativo de datos clínicos y ómicos tiene un amplio potencial para el estudio de la EPOC. Puede ser un abordaje útil para realizar predicciones de variables clínicas como la relación FEV1/FVC, el FEV1 y la distancia caminada en el test de la marcha de 6 minutos, a partir de un conjunto de datos de expresión génica. |
|---|