Dissertação

AutoTCGA - An automatic machine learning tool for prediction of immune-evasion mechanisms in TCGA cancer samples EVALUATED

A incidência de cancro na sociedade tornou-se uma preocupação crescente e incentivou o desenvolvimento de novos tratamentos, como a imunoterapia, que aumenta as defesas naturais do corpo para combater o cancro. Infelizmente, as células cancerígenas desenvolveram estratégias para evitar o sistema imunológico dos pacientes, chamados mecanismos de evasão imunológica. Para resolver esse problema, foi desenvolvido um pipeline de inteligência artificial, o AutoTCGA, que aplica técnicas de classificação aos dados do TCGA e considera 2 mecanismos de evasão imunológica para previsão: ausência de neoantígenos ("CA") e enriquecimento de Tregs ("IS" ) O algoritmo da Árvore de Decisão alcançou valores de precisão de 81% e AUC-ROC de 88%, para classificação binária da classe IS, e valores de precisão de 73% e AUC-ROC de 78% para classificação binária da classe CA, na população do PanCancer. Um estudo de importância dos atributos está disponível usando a árvore, revelando as características dos pacientes com eventos de evasão ao sistema imunitário. Essas conclusões promovem medicamentos personalizados e a aplicação de imunoterapia, quando adequado. Esta ferramenta oferece a possibilidade de testar hipóteses bem definidas e responder a perguntas em aberto no campo da biologia, para qualquer utilizador com ou sem experiência em inteligência artificial.
cancro, imunoterapia, inteligência artificial, evasão

Setembro 16, 2019, 16:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Claudia Martins Antunes

Departamento de Engenharia Informática (DEI)

Professor Auxiliar