Compartir
Título
Análisis e implementación de algoritmos de deconvolución de mezclas celulares complejas basados en expresión de genes (firmas génicas) y aplicación a muestras de tumores
Otros títulos
Analysis and implementation of complex cell mixture deconvolution algorithms based on gene expression (gene signatures) and application to tumor samples
Autor(es)
Director(es)
Materia
Deconvolución
Biomarcadores
Proporciones
Células
Deconvolution
Gene Markers
Proportions
cells
Clasificación UNESCO
1209.03 Análisis de Datos
1209.09 Análisis Multivariante
1209.13 Técnicas de Inferencia Estadística
1209.14 Técnicas de Predicción Estadística
1207.09 Programación Lineal
1206.10 Matrices
1203.23 Lenguajes de Programación
1202.10 Funciones de Variables Reales
Fecha de publicación
2021-07
Resumen
[ES]El estudio de la variabilidad entre poblaciones celulares permite identificar la actividad de
genes específicos y determinar de qué manera influyen los cambios producidos en dichas cé lulas en algunos procesos biológicos y en la aparición o desarrollo de ciertas enfermedades.
En las últimas décadas, se han desarrollado técnicas computacionales para resolver este pro blema, conocidas como métodos de deconvolución, capaces de descomponer una mezcla de
distintos tipos celulares en los elementos que la componen. En este trabajo, se implementan
cinco algoritmos de deconvolución (DECONICA, LINSEED, CIBERSORT, FARDEEP y ABIS),
comparándolos y determinando el que resulta más adecuado en datos de expresión de células
de sangre periférica detectados mediante microarrays (GSE64385, GSE20300 y GSE106898) y
en datos de expresión detectados mediante RNA-Sequencing (GSE107011). [EN]The study of variability between cell populations makes it possible to identify the activity of
specific genes and to determine how the changes produced in these cells influence certain
biological processes and the appearance or development of certain diseases. In recent dec ades, computational techniques have been developed to solve this problem, called deconvolu tion methods, which are able to decomposing a mixture of different cell types into their con stituent elements. In this work, five deconvolution algorithms (DECONICA, LINSEED, CIBER SORT, FARDEEP y ABIS) are implemented, comparing them and determining which one is the
most suitable using peripheral blood cell expression data detected by microarray technique
(GSE64385, GSE20300 and GSE106898) and using expression data detected by RNA Sequencing technique (GSE107011)
Descripción
Trabajo de fin de Grado. Grado en Estadística. Curso académico 2020-2021.
URI
Colecciones