Priorización de genes y búsqueda de fármacos por medio de herramientas informáticas y técnicas de aprendizaje de máquinas en osteosarcoma

• Autores: Alejandro Cabrera-Andrade
• Directores de la Tesis: Cristian-Robert Munteanu (codir. tes.), Humberto González Díaz (codir. tes.), A. Pazos (tut. tes.)
• Lectura: En la Universidade da Coruña ( España ) en 2021
• Idioma: español
• Número de páginas: 51
• Tribunal Calificador de la Tesis: María Jesús Taboada Iglesias (presid.), Carlos Fernández-Lozano (secret.), Víctor Manuel Maojo García (voc.)
• Programa de doctorado: Programa de Doctorado en Tecnologías de la Información y las Comunicaciones por la Universidad de A Coruña
• Materias:
  • Matemáticas
    • Ciencia de los ordenadores
      • Inteligencia artificial
      • Informática
  • Ciencias médicas
    • Patología
      • Oncología
• Enlaces
  • Tesis en acceso abierto en: RUC
• Resumen
  • español

    El osteosarcoma es el subtipo más común de cáncer de hueso primario y afecta principalmente a adolescentes. En los últimos años, varios estudios se han centrado en dilucidar los mecanismos moleculares de este sarcoma; sin embargo, su etiología molecular aún no se ha determinado con precisión. Por otro lado, su diagnóstico clínico es generalista y sus terapias no han cambiado en las últimas décadas. Aunque hoy en día las tasas de supervivencia a 5 años pueden alcanzar hasta el 60-70%, las complicaciones agudas y los efectos tardíos del tratamiento del osteosarcoma son dos de los factores limitantes de los tratamientos. Así, el objetivo de esta tesis doctoral es desarrollar una estrategia de priorización que permita la identificación de genes asociados con la patogenicidad del osteosarcoma y explicar de forma más completa la etiología de esta enfermedad. Por otro lado, se busca desarrollar algoritmos de predicción de fármacos basados en aprendizaje de máquinas que permitan proponer nuevos agentes terapéuticos para el tratamiento de esta enfermedad. Todos los resultados obtenidos se publicaron en revistas científicas internacionales con importante factor de impacto JCR.

  • English

    Osteosarcoma is the most common subtype of primary bone cancer, affecting mainly adolescents. In recent years, several studies have focused on elucidating the molecular mechanisms of this sarcoma; however, its molecular etiology has not yet been accurately determined. On the other hand, the clinical diagnosis is generalist and therapies have not changed in recent decades. Although nowadays 5-year survival rates can reach up to 60-70%, acute complications and late effects of osteosarcoma therapy are two of the limiting factors in treatments. Thus, the objective of this doctoral thesis is to develop a prioritization strategy that allows the identification of genes associated with the pathogenicity of osteosarcoma, and to explain more fully the etiology of this disease. On the other hand, it seeks to develop drug prediction algorithms based on machine learning techniques that allow proposing new therapeutic agents for the treatment of this disease. All the results obtained in this research were published in international scientific journals with an important JCR impact factor.

  • galego

    O osteosarcoma é o subtipo máis común de cancro óseo primario, que afecta principalmente a adolescentes. Nos últimos anos, varios estudos centráronse en dilucidar os mecanismos moleculares deste sarcoma; con todo, a súa etioloxía molecular aínda non foi determinada con precisión. Por outra banda, o seu diagnóstico clínico é xeralista e as súas terapias non cambiaron nas últimas décadas. Aínda que hoxe as taxas de supervivencia a 5 anos poden chegar ata o 60- 70%, as complicacións agudas e os efectos tardíos do tratamento con osteosarcoma son dous dos factores limitantes dos tratamentos. Deste xeito, o obxectivo desta tese de doutoramento é desenvolver unha estratexia de priorización que permita a identificación de xenes asociados á patoxenicidade do osteosarcoma e explicar máis plenamente a etioloxía desta enfermidade. Por outra banda, buscamos desenvolver algoritmos de predición de medicamentos baseados na aprendizaxe automática que permitan propoñer novos axentes terapéuticos para o tratamento desta enfermidade. Todos os resultados obtidos publicáronse en revistas científicas internacionais cun importante factor de impacto JCR.