Estudio del transcriptoma del cáncer gástrico para la búsqueda de perfiles de expresión génica asociados a pronóstico

• Autores: Velásquez Sotomayor, Mariana Belén, Asurza Montalva, Jose Ricardo
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Científica del Sur
• Repositorio: UCSUR-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.cientifica.edu.pe:20.500.12805/2261
• Enlace del recurso: https://hdl.handle.net/20.500.12805/2261; https://doi.org/10.21142/tl.2022.2261
• Nivel de acceso: acceso embargado
• Materia: Expresión génica; Pronóstico; Cáncer gástrico; Microambiente tumoral; http://purl.org/pe-repo/ocde/ford#3.02.27

Introducción: El cáncer gástrico (GC) ocupa el quinto lugar en incidencia y el cuarto en mortalidad en todo el mundo. La alta tasa de mortalidad en pacientes con CG requiere la investigación de nuevos biomarcadores que, junto con las clasificaciones moleculares actuales, mejoren la predicción de la supervivencia de los pacientes. Objetivo: Identificar genes asociados consistentemente con el pronóstico en cáncer gástrico y generar un índice genético mediante el uso de base de datos de acceso público. Métodos: En este estudio, se realizó un análisis transcriptómico de cinco cohortes independientes para identificar genes consistentemente asociados con el pronóstico en GC. Para ello, se realizó un análisis del transcriptoma de tumores de cáncer gástrico (GC) a partir de base de datos públicas de cinco cohortes independientes para identificar genes consistentemente asociados con el pronóstico en el cáncer gástrico (GC). Como criterio de inclusión se consideró la disponibilidad de datos de supervivencia global de los pacientes. Los datos genéticos fueron descargados de las bases de datos Firebrowse (http://firebrowse.org/) y Gene Expression Omnibus del Centro Nacional de Información Biotecnológica (https://www.ncbi.nlm.nih.gov/geo/). Las cohortes se dicotomizaron en pacientes con alta o baja expresión génica utilizando el valor de corte óptimo calculado a partir de la curva ROC. Los genes asociados a pronóstico se identificaron luego del análisis de regresión de Cox y área bajo la curva (AUC) Con el objetico de mejorar el poder de predicción, se modelaron escores de expresión génica a partir de los genes consistentemente asociados a pronóstico. Los scores de expresión génica (GES) se calcularon por suma ponderada utilizando el coeficiente de regresión de Cox β. Una vez identificado el mejor GES, se predijeron los procesos biológicos relacionados al GES mediante un análisis de enriquecimiento de vías biológicas (GSEA)…