Dissertação
Precision medicine and computational biology approaches to study protein networks and find novel therapeutic targets for cancer EVALUATED
O cancro é caracterizado por diversas aberrações genéticas, aumentando a variabilidade entre pacientes, diminuindo a eficácia dos tratamentos actuais. Contudo, informações biomoleculares como actividade de complexos de proteínas podem melhorar estes tratamentos. Visto que são essenciais nas vias de sinalização e na determinação do fenótipo celular. Os membros de um complexo tendem a estar correlacionados devido à sua regulação estequiométrica. Consequentemente, o coeficiente de Pearson (R) é tradicionalmente usado para prever interações proteicas. Contudo, os dados de proteómica não obedecem às assunções por detrás da implementação de R. Portanto, esta tese tem dois objectivos: melhorar a previsão de interações proteicas, e criar um modelo que associa diferenças no fenótipo do cancro com diferenças nas interações proteicas. Com isto, após uma revisão da literatura, um modelo linear generalizado (GLM) foi concebido para ultrapassar as falhas inerentes ao R. Em paralelo, uma regressão linear múltipla foi estimada, cujo objectivo era prever a essencialidade de genes ou resposta a fármacos de certas amostras consoante as suas interações proteicas. Os resultados mostram que o GLM perdeu poder devido ao método de imputação, não ultrapassando o R. As associações mais significativas, ao prever resposta a fármacos, têm uma prevalência de membros de complexos que já foram marcados como possíveis alvos de terapêutica em cancro. Especificamente, as proteínas de choque térmico (HSP) e as v-ATPases. Ou seja, com a recapitulação de relações já estabelecidas com apenas a informação do proteoma, a relevância do modelo e poder predictivo está demonstrada.
dezembro 4, 2023, 15:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Informática (DEI)
Assistant Professor