Modelo para identificação de genes bimodais associados ao prognóstico no 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...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Autor principal: Justino, Josivan Ribeiro
Outros Autores: Souza, Sandro José de
Formato: doctoralThesis
Idioma:pt_BR
Publicado em: Universidade Federal do Rio Grande do Norte
Assuntos:
Câncer
Expressão genética
Distribuição bimodal
Modelo de Mistura Gaussiana
Análise de sobrevivência
Endereço do item:https://repositorio.ufrn.br/handle/123456789/44934
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id ri-123456789-44934
record_format dspace
institution Repositório Institucional
collection RI - UFRN
language pt_BR
topic Câncer
Expressão genética
Distribuição bimodal
Modelo de Mistura Gaussiana
Análise de sobrevivência
spellingShingle Câncer
Expressão genética
Distribuição bimodal
Modelo de Mistura Gaussiana
Análise de sobrevivência
Justino, Josivan Ribeiro
Modelo para identificação de genes bimodais associados ao prognóstico no câncer
description 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.
author2 Souza, Sandro José de
author_facet Souza, Sandro José de
Justino, Josivan Ribeiro
format doctoralThesis
author Justino, Josivan Ribeiro
author_sort Justino, Josivan Ribeiro
title Modelo para identificação de genes bimodais associados ao prognóstico no câncer
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
publisher Universidade Federal do Rio Grande do Norte
publishDate 2021
url https://repositorio.ufrn.br/handle/123456789/44934
work_keys_str_mv AT justinojosivanribeiro modeloparaidentificacaodegenesbimodaisassociadosaoprognosticonocancer
_version_ 1773959650673164288
spelling ri-123456789-449342022-05-02T15:06:38Z Modelo para identificação de genes bimodais associados ao prognóstico no câncer Justino, Josivan Ribeiro Souza, Sandro José de http://lattes.cnpq.br/6470296449367089 http://lattes.cnpq.br/8479967495464590 Ferreira, Beatriz Stransky 62825968668 http://lattes.cnpq.br/3142264445097872 Torrezan, Giovana http://lattes.cnpq.br/1174527002469907 Souza, Jorge Estefano Santana de http://lattes.cnpq.br/8058577659019910 Nunes, Marcus Alexandre http://lattes.cnpq.br/2698100541879707 Santos, Ândrea Kely Campos Ribeiro dos http://lattes.cnpq.br/3899534338451625 Câncer Expressão genética Distribuição bimodal Modelo de Mistura Gaussiana Análise de sobrevivência 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 - CAPES 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. 2021-11-17T17:33:06Z 2021-11-17T17:33:06Z 2021-09-16 doctoralThesis 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. https://repositorio.ufrn.br/handle/123456789/44934 pt_BR Acesso Aberto application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM BIOINFORMÁTICA

Registros relacionados