Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/73266
Título : | Uso de datos genómicos para la identificación de miRNAs predictores de supervivencia en adenocarcinoma |
Autoría: | Naya Català, Fernando |
Tutor: | luna, Jeroni |
Otros: | Universitat Oberta de Catalunya Merino, David |
Resumen : | En este trabajo se muestra el estudio comparativo entre muestras tumorales adenocarcinosas de pacientes de alta y baja supervivencia con el objetivo de detectar moléculas de microRNA que estén diferencialmente expresadas y que sean predictoras de supervivencia. Usando información obtenida del repositorio The Genome Cancer Atlas, se extraen resultados de conteos de miRNAs y se procesan mediante software estadístico R para obtener expresión diferencial. Se realiza un análisis de supervivencia y se estudian los genes diana del panel de genes resultantes. Se realiza un análisis de enriquecimiento GO y KEGG y se buscan posibles interacciones microRNA-RNA mensajero. Se consigue una firma de expresión predictora de supervivencia consistente en 23 miRNA, repartidos entre todos los cánceres y 95 interacciones miRNA-mRNA para 15 miRNAs de los anteriores. Se muestra un método fiable y robusto de extracción de expresión diferencial de miRNAs a partir de datos genómicos. La determinación de los niveles de expresión de dichos miRNA podría constituir una herramienta para el diagnóstico y tratamiento personalizado de los pacientes. |
Palabras clave : | supervivencia cáncer microRNA |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | ene-2018 |
Licencia de publicación: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Aparece en las colecciones: | Trabajos finales de carrera, trabajos de investigación, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
fnayacTFM0117memoria.pdf | Memoria del TFM | 1,03 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons