Banca de DEFESA: PATRICK CESAR ALVES TERREMATTE

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : PATRICK CESAR ALVES TERREMATTE
DATA : 13/05/2022
HORA: 09:00
LOCAL: Virtual
TÍTULO:

 Uma nova assinatura de 13 genes via aprendizagem de máquina para predição de sobrevida de pacientes com carcinoma renal de células claras


PALAVRAS-CHAVES:

Câncer renal; carcinoma renal de células claras (ccRCC); assinatura gênica; prognóstico; análise de sobrevivência; aprendizado de máquina; seleção de características; informação mútua;


PÁGINAS: 60
RESUMO:
Pacientes com carcinoma renal de células claras (ccRCC) têm prognósticos ruins, especialmente em caso de metástase. Neste sentido, é de suma importância identificar biomarcadores em dados genômicos para ajudar a prever o avanço do ccRCC e eventuais resistência a tratamentos. Assim, realizamos um estudo com o objetivo de avaliar assinaturas gênicas e propor uma nova assinatura com maior poder preditivo. Usando coortes ccRCC do The Cancer Genome Atlas (TCGA-KIRC) e do International Cancer Genome Consortium (ICGC-RECA), avaliamos modelos de sobrevida usando regressão de Cox comparando 14 assinaturas da literatura e seis métodos de seleção de características, e também realizamos análise funcional e de expressão diferencial. Neste estudo, apresentamos uma assinatura de 13 genes (AR, AL353637.1, DPP6, FOXJ1, GNB3, HHLA2, IL4, LIMCH1, LINC01732, OTX1, SAA1, SEMA3G, ZIC2) cujos níveis de expressão são capazes de prever risco de pacientes com ccCRC. A assinatura gênica de melhor desempenho foi alcançada usando o método de comitês de Mínima Redundância e Máxima Relevância (mRMR). Essa assinatura apresenta características únicas em relação às demais, como a generalização por diferentes coortes e o enriquecimento funcional em vias relacionadas à doenças: Carcinoma Urotelial, Doença Renal Crônica, Carcinoma de células de transição, e Nefrolitíase. Dos 13 genes em nossa assinatura, oito são conhecidos na literatura por estarem correlacionados com a sobrevida de pacientes com ccRCC e quatro são relacionados ao sistema imunológico. Nosso modelo mostrou um desempenho de 0,82 usando a métrica Receiver Operator Characteristic (ROC) Area Under Curve (AUC). Nossos resultados revelaram dois agrupamentos de genes com alta expressão (SAA1, OTX1, ZIC2, LINC01732, GNB3 e IL4) e baixa expressão (AL353637.1, AR, HHLA2, LIMCH1, SEMA3G, DPP6 e FOXJ1), ambos correlacionados com prognóstico ruins. Esta assinatura pode potencialmente ser desenvolvida para auxiliar tratamentos na prática clínica.

MEMBROS DA BANCA:
Presidente - 347628 - ADRIAO DUARTE DORIA NETO
Interno - 1669545 - DANIEL SABINO AMORIM DE ARAUJO
Interno - 3063244 - TETSU SAKAMOTO
Externa ao Programa - 1365498 - BEATRIZ STRANSKY FERREIRA
Externa à Instituição - CICILIA RAQUEL MAIA LEITE - UERN
Externo à Instituição - PAULO PIMENTEL DE ASSUMPÇÃO - UFPA
Notícia cadastrada em: 25/04/2022 15:36
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa10-producao.info.ufrn.br.sigaa10-producao