%0 Thesis
%A Prado Zamora, María del Carmen
%8 2022-11
%U https://hdl.handle.net/20.500.12880/5123
%X Los estudios de expresión génica suelen estar basados en cuantificaciones de 
la expresión y en anotaciones que tienen en cuenta la distribución de los genes 
en grupos funcionales. Los análisis mecanísticos añaden información más 
cercana a la biología de sistemas, con ello se intenta modelizar, no sólo la 
presencia de los factores de estudio, sino también sus interacciones de un modo 
dinámico.
El paquete Hipathia, que fue desarrollado y publicado por el Departamento de 
Genómica Computacional del Centro de Investigación Príncipe Felipe de 
Valencia, y actualmente sigue en desarrollo continuo por el Área de 
Bioinformática Clínica del Hospital Virgen del Rocío de Sevilla, analiza la 
expresión génica con un enfoque mecanístico. Calcula activaciones funcionales 
mediante un algoritmo iterativo que modeliza la transducción de señal en las 
rutas de señalización biológica.
Con esta aproximación, hemos re analizado un set de datos de expresión génica
de Sarcoma de Células Claras del Riñón depositado en un repositorio público, y 
hemos podido concluir que, si bién los genes de la ruta de señalización de 
PI3K/Akt se encuentran sobreexpresados, es posible que dicha sobreexpresión 
no implique una activación de las funciones celulares controladas por dicha ruta.
El mapa de enfermedad obtenido de la activación diferencial de circuitos de 
señalización celular sirve como partida de un modelo de Machine Learning de 
tipo Random Forest Multi Output para identificar Genes Diana de Fármacos 
aprobados por humanos, y para seleccionar posibles fármacos candidatos al 
reposicionamiento para Sarcoma de Células Claras del Riñón.
%T Análisis mecanístico de sarcoma de células claras del riñón para el reposicionamiento racional de fármacos mediante machine learning
%K Transcriptómica
%K Modelos mecanísticos
%K Mapa de enfermedad
%K Machine learning
%K Reposicionamiento de fármacos
%~ END