Publicação
Multi-Disease Biomarker Discovery for Drug Repurposing in Glioma A contribution towards glioma treatment
| datacite.subject.fos | Engenharia e Tecnologia | |
| dc.contributor.advisor | Lopes, Marta | |
| dc.contributor.advisor | Martins, Susana | |
| dc.contributor.author | Galaricha, Eduardo Filipe Nepomuceno | |
| dc.date.accessioned | 2026-03-26T14:47:51Z | |
| dc.date.available | 2026-03-26T14:47:51Z | |
| dc.date.issued | 2025-12-04 | |
| dc.description.abstract | Gliomas are the most prevalent primary Central Nervous System (CNS) tumors, comprising 80% of malignant adult cases and 30% of all brain tumors. They are classified into glioblastoma (GBM), astrocytoma, and oligodendroglioma. Among these, GBM and astrocytoma are the most aggressive, with poor prognosis and high recurrence. The absence of universally accepted treatment and the limitations of current options highlight an urgent unmet need. Drug repurposing, finding new indications for approved or clinical-stage compounds, offers a faster, lower-risk path to therapy. This study applies state-of-the-art methodologies such as sparse learning models and network- based analysis to identify molecular biomarkers shared by GBM and astrocytoma with translational potential. Incorporating various methodologies to enhance the efficacy of classification models, this study introduces Gene Network Identity Vector (GeNeIV), a novel feature selection method that emphasizes genes exhibiting similar network patterns in both aggressive glioma types. A total of 31 candidate genes were identified, including ITGAM, ADORA3, CDC20, as well as the ribosomal genes RPS16, RPS8, and RPL19. Many of these genes have been identified in the literature as either being related to gliomas or participating in pathways that are similarly impacted. These identified biomarker candidates were associated with 130 distinct pharmacological agents, many of which demonstrate potential for glioma treatment, including Theophylline, Ataluren, and Olaparib. | eng |
| dc.description.abstract | Os gliomas são os tumores primários mais prevalentes do sistema nervoso central, representando 80% dos casos malignos em adulto e 30% de todos os tumores cerebrais. Classificam-se em GBM, astrocitoma e oligodendroglioma. Entre estes, GBM e astrocitoma são os mais agressivos, com prog- nóstico desfavorável e elevada recorrência. A ausência de um tratamento consensualmente aceite e as limitações das opções atuais evidenciam uma necessidade clínica urgente. O reaproveitamento de fármacos (drug repurposing)—isto é, encontrar novas indicações para compostos aprovados ou em fase clínica—oferece uma via terapêutica mais rápida e de menor risco. Este estudo aplica metodologias previamente estabelecidas, tais como modelos esparsos de aprendizagem e análise baseada em redes, para identificar biomarcadores moleculares partilhados por GBM e astrocitoma com potencial translacional. Integrando várias abordagens para reforçar a eficácia dos modelos de classificação, é aqui introduzido GeNeIV, um novo método de seleção de features que privilegia genes com padrões de rede semelhantes em ambos os tipos agressivos de glioma. Desta análise, identificaram-se 31 genes candidatos, incluindo ITGAM, ADORA3, CDC20, bem como os genes ribossomais RPS16, RPS8 e RPL19. Muitos destes genes já foram reportados na literatura como relacionados com gliomas ou participantes em vias afetadas pelos mesmos. Os biomarcadores propostos foram associados a 130 agentes farmacológicos distintos, vários dos quais demonstram potencial para tratamento de glioma, incluindo Teofilina, Atalureno e Olaparibe. | por |
| dc.identifier.uri | http://hdl.handle.net/10362/201850 | |
| dc.language.iso | eng | |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
| dc.subject | Glioma | |
| dc.subject | Feature Selection | |
| dc.subject | Network Analysis | |
| dc.subject | Drug Repurposing | |
| dc.title | Multi-Disease Biomarker Discovery for Drug Repurposing in Glioma A contribution towards glioma treatment | eng |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| thesis.degree.name | MASTER IN COMPUTATIONAL BIOLOGY AND BIOINFORMATICS |