Integración de datos ómicos y clínicos: nuevos avances en la frontera entre biología y medicina
Hoy en día resulta imprescindible el uso de datos biológicos de alta resolución en un ámbito Biomédico. Esta información molecular, expresada en diferentes enfoques ómicos (genómica, transcriptómica, proteómica, metabolómica), explica diferentes parcelas de la variabilidad biológica humana. La integ...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/120686 |
| Acceso en línea: | http://hdl.handle.net/10609/120686 |
| Access Level: | acceso abierto |
| Palabra clave: | datos multi-ómicos biomedicina selección de variables multi-omic data biomedicine variable selection dades multi-òmiques selecció de variables Bioinformatics -- TFM Bioinformàtica -- TFM Bioinformática -- TFM |
| Sumario: | Hoy en día resulta imprescindible el uso de datos biológicos de alta resolución en un ámbito Biomédico. Esta información molecular, expresada en diferentes enfoques ómicos (genómica, transcriptómica, proteómica, metabolómica), explica diferentes parcelas de la variabilidad biológica humana. La integración de capas ómicas es un procedimiento que se viene realizando habitualmente mediante protocolos diversos. Sin embargo, la conjunción de información de alta resolución molecular con datos no-ómicos resulta más problemática. En este trabajo se pretende realizar un análisis sistemático de las metodologías enfocadas hoy en día a la integración de capas ómicas con la correspondiente información clínica, epidemiológica o demográfica de los pacientes. Este proceso se lleva a cabo mediante el uso de aproximaciones bioestadísticas alternativas (métodos multivariantes, de regresión o de redes de similaridad) que son evaluadas en términos de su rendimiento. En cuanto al set de datos empleado, hemos escogido un proyecto de The Cancer Genome Atlas (TCGA) compuesto por alrededor de 180 muestras analizadas para varias capas ómicas y con una rica información clínica disponible. En concreto, nos hemos centrado en las vertientes de expresión génica (transcriptómica) y metilación (epigenómica). Nuestros resultados muestran una elevada heterogeneidad entre los diferentes métodos empleados, en términos del procedimiento de integración, de selección de variables (genes/variables clínicas) y de explotación de los datos. La naturaleza y comportamiento de la variable respuesta escogida ha podido afectar a los resultados obtenidos en nuestro estudio. Posteriores estudios, basados en diferentes datasets o en variables respuesta alternativas, podrían conseguir la construcción de modelos predictivos más robustos. |
|---|