A carregar...
Publicação
Identification of biomarkers in gliomas via robust multinomial classification and dimensionality reduction
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 4.39 MB | Adobe PDF |
Orientador(es)
Resumo(s)
Gliomas are among the most aggressive cancers and the molecular heterogeneity verified
within histological subtypes raises the necessity of constantly developing novel and
updated targeted therapies for each particular case. The knowledge about gliomas is
rapidly evolving due to the advances in the search for key biomarkers with prognostic and
diagnostic potential, as the updates in the WHO classification of tumors of the CNS reveal.
The application of NGS techniques for DNA and RNA information extraction permits
the analysis of omics data through classification and feature selection methodologies to
identify relevant genetic and molecular biomarkers in the separation among types while
preventing the classifiers from overfitting.
A robust and sparse classification workflow based on multinomial logistic regression
is proposed and applied in this dissertation, aiming at extracting, from omics datasets
obtained from TCGA data portal, genetic indicators that are relevant for a more evident
separation of glioma types.
Overall, a very notable improvement in the results was noted with the 2021 update
to the classification at transcriptomic and methylomic levels, with the patients flagged as
outliers corroborating that update.
The proposed methodology contributes to the development of novel prognostic and
diagnostic tools and assists to targeted clinical and therapeutic decisions.
Os gliomas estão entre os cancros mais agressivos e a heterogeneidade molecular verifi- cada entre subtipos histológicos levanta a necessidade constante de desenvolver terapias novas e atualizadas, direcionadas a cada caso particular. O conhecimento dos gliomas está a evoluir rapidamente devido aos avanços na busca por biomarcadores chave com potencial prognóstico e diagnóstico, como revelam as atualizações nas classificações de tumores do Sistema Nervoso Central pela OMS. A aplicação de técnicas de next-generation sequencing para extração de informação do DNA e RNA permite a análise de dados ómicos através de metodologias de classificação e de seleção de variáveis de modo a identificar biomarcadores genéticos e moleculares que possam ser relevantes na separação entre subtipos enquanto previne o sobreajustamento dos classificadores. É proposta e aplicada nesta dissertação uma metodologia para classificação robusta e esparsa baseado em regressão logística multinomial, com o objetivo de extrair, de dados ómicos obtidos do portal de dados TCGA, indicadores genéticos relevantes para uma separação mais evidente dos tipos de glioma. De modo geral, notou-se uma grande melhoria nos resultados a níveis transcriptómico e metilómico com a atualização de 2021 da classificação, com os pacientes apontados como outliers a corroborar essa atualização. A metodologia proposta contribui para o desenvolvimento de novas ferramentas de prognóstico e diagnóstico e serve como auxílio a decisões a nível clínico e terapêutico.
Os gliomas estão entre os cancros mais agressivos e a heterogeneidade molecular verifi- cada entre subtipos histológicos levanta a necessidade constante de desenvolver terapias novas e atualizadas, direcionadas a cada caso particular. O conhecimento dos gliomas está a evoluir rapidamente devido aos avanços na busca por biomarcadores chave com potencial prognóstico e diagnóstico, como revelam as atualizações nas classificações de tumores do Sistema Nervoso Central pela OMS. A aplicação de técnicas de next-generation sequencing para extração de informação do DNA e RNA permite a análise de dados ómicos através de metodologias de classificação e de seleção de variáveis de modo a identificar biomarcadores genéticos e moleculares que possam ser relevantes na separação entre subtipos enquanto previne o sobreajustamento dos classificadores. É proposta e aplicada nesta dissertação uma metodologia para classificação robusta e esparsa baseado em regressão logística multinomial, com o objetivo de extrair, de dados ómicos obtidos do portal de dados TCGA, indicadores genéticos relevantes para uma separação mais evidente dos tipos de glioma. De modo geral, notou-se uma grande melhoria nos resultados a níveis transcriptómico e metilómico com a atualização de 2021 da classificação, com os pacientes apontados como outliers a corroborar essa atualização. A metodologia proposta contribui para o desenvolvimento de novas ferramentas de prognóstico e diagnóstico e serve como auxílio a decisões a nível clínico e terapêutico.
Descrição
Palavras-chave
Glioma Omics Feature selection Multinomial classification Outlier detection