2024-03-28T12:00:45Zhttps://gredos.usal.es/oai/requestoai:gredos.usal.es:10366/1501132022-06-24T00:06:45Zcom_10366_4829com_10366_4843col_10366_140208
2022-06-23T11:30:04Z
urn:hdl:10366/150113
Análisis integrado de datos genómicos procedentes de pacientes con mieloma múltiple para la identificación de grupos de alto riesgo asociados a la pérdida de función del gen supresor tumoral TP53.
Moraleja Alonso, Lucía
Corchete Sánchez, Luis Antonio
Gutiérrez Gutiérrez, Norma Carmen
Sánchez Santos, José Manuel
Sánchez Luis, Elena
ARN
Aprendizaje automático
Genes
Expresión diferencial
RNA
Machine learning
Gene
Differential expression
Trabajo de fin de Grado. Grado en Estadística. Curso académico 2020-2021.
[ES]La patogenia del mm se caracteriza por la presencia de alteraciones genéticas primarias (traslocaciones) y otras secundarias entre las que se encuentran las que afectan al gen TP53. En el presente trabajo se trata de analizar el impacto de las alteraciones de TP53 en el perfil de expresión génico de las traslocaciones primarias. Para cumplir con este objetivo se utilizarán datos de RNA-SEQ la base commpass, y se analizarán mediante técnicas estadísticas como el análisis de supervivencia, análisis de expresión diferencial, machine learning… entre otras.
[EN]The pathogenesis of mm is characterized by the presence of primary geneti-cas alterations (translocations) and other secondary, among those that affect the TP53 gene. The present paper is to analyze the impact of the alterations of TP53 on the gene expression profile of primary translocations. To comply with this objective, data from RNA-SEQ the base commpass will be used, and it will be analyzed through sta-dystic techniques, such as survival analysis, differential expression analysis, machine learning…
2022-06-23T11:30:04Z
2022-06-23T11:30:04Z
2021
info:eu-repo/semantics/bachelorThesis
http://hdl.handle.net/10366/150113
spa
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
Attribution-NonCommercial-NoDerivatives 4.0 Internacional