Estudio metabolómico mediante Resonancia Magnética Nuclear de biomarcadores en suero de pacientes con cáncer colorrectal
El uso de la metabolómica como herramienta de detección temprana de cáncer colorrectal ha despertado un alto interés en el área clínica como alternativa diagnóstica a métodos tan invasivos como la colonoscopia. Este Trabajo de Fin de Máster (TFM) engloba (1) la realización de una breve revisión bibl...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de publicación: | 2021 |
| País: | España |
| Recursos: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/132926 |
| Acesso em linha: | http://hdl.handle.net/10609/132926 |
| Access Level: | acceso abierto |
| Palavra-chave: | cáncer colorrectal metabolómica machine learning càncer colorectal metabolòmica colorectal cancer metabolomics Bioinformatics -- TFM Bioinformàtica -- TFM Bioinformática -- TFM |
| Resumo: | El uso de la metabolómica como herramienta de detección temprana de cáncer colorrectal ha despertado un alto interés en el área clínica como alternativa diagnóstica a métodos tan invasivos como la colonoscopia. Este Trabajo de Fin de Máster (TFM) engloba (1) la realización de una breve revisión bibliográfica de algunas de las principales investigaciones dedicadas a este fin empleando Resonancia Magnética Nuclear de Protón (RMN de 1H) como técnica analítica, y (2) el uso de dicha herramienta combinada con métodos de análisis multivariante de datos de naturaleza supervisada y no supervisada en el análisis de 90 muestras de suero de pacientes con cáncer colorrectal para la obtención de posibles biomarcadores y su correlación con esta enfermedad. Se han verificado cambios en los perfiles metabólicos de un total de 12 metabolitos discriminantes entre pacientes enfermos y control a través de un modelo Análisis Discriminante de Mínimos Cuadrados Parciales Ortogonal (OPLS-DA) y 16 correspondientes a un modelo Random Forest (RF), posiblemente relacionados con disturbios en la glucólisis, el metabolismo del piruvato y de la alanina, del aspartato y del glutamato. Se concluye que la RMN acoplada a técnicas multivariantes es una poderosa herramienta de predicción y obtención de biomarcadores para esta enfermedad. |
|---|