Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
CARVALHO NETO, George de Vasconcelos |
| Orientador(a): |
PRUDÊNCIO, Ricardo Bastos Cavalcante |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pernambuco
|
| Programa de Pós-Graduação: |
Programa de Pos Graduacao em Ciencia da Computacao
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/46426
|
Resumo: |
O câncer de mama é um dos tipos de câncer mais prevalentes em mulheres. Com uma ênfase crescente na pesquisa relacionada ao câncer muitos trabalhos foram realizados para classificar o diagnóstico, a sobrevivência e a recorrência desse tipo de câncer. Como um dos biomarcadores epigenéticos mais bem descritos em cânceres humanos, a metilação do DNA desempenha um papel essencial na regulação da expressão gênica, além de estar implicada no prognóstico e na terapêutica de muitos tipos de câncer. Nesse estudo exploramos os perfis de metilação de DNA capturando grupos de pacientes com câncer de mama que possuem diferentes marcadores e possível diversidade fenotípica visando melhorar o prognóstico desses pacientes no nível epigenético. Perfis de metilação do DNA de um estudo caso-controle com 235 indivíduos com câncer de mama e 424 indivíduos com diagnóstico negativo para câncer foram obtidos do banco de dados Gene Expression Omnibus (GEO). Os marcadores diferencialmente metilados foram identificados por teste T moderado. Novas características foram adicionadas aos dados usando ferramentas de predição de idade biológica, tipos celular e condição de fumante. Subgrupos de pacientes foram encontrados usando as ferramentas de mineração de subgrupos Beam search e SSDP+. Um total de 20 subgrupos foram selecionados, onde 10 subgrupos foram encontrados pelo algoritmo Beam search e os outros 10 subgrupos pelo algoritmo SSDP+. O algoritmo Beam search encontrou subgrupos com mais elementos e com alto grau de redundância englobando diferentes genes relacionados previamente ao câncer de mama. Já o algoritmo SSDP+ encontrou subgrupos com menos elementos e alto grau de diversidade, mas que por englobar menos regiões não tiveram genes previamente relacionados a câncer de mama. Nosso estudo identificou múltiplos painéis de metilação de DNA associados a grupos específicos de pacientes com câncer de mama que podem, se validados clinicamente, ser úteis para a previsão do risco de câncer de mama no futuro. |
