Dissertação

{en_GB=Differential regulatory response of Hodgkin’s Lymphoma according to PET result} {} EVALUATED

{pt=O linfoma de Hodgkin é um tipo de linfoma, um cancro do sistema linfático. Apesar dos avanços em quimioterapia multi-agente nos últimos anos, até 10% dos casos de linfoma de Hodgkin são refratários e, depois de entrada em remissão, os pacientes sofrem um risco elevado de morte por várias causas. Estas complicações são dependentes do tratamento prescrito, e por isso mesmo, um aumento na precisão do prognóstico pode ajudar a melhorar estes resultados. Tomografia por Emissão de Positrões usando fluorodeoxyglucose (FDG-PET) intermédia é o principal indicador de resposta ao tratamento, no entanto, é intrusivo e caro. Neste contexto, apresentamos uma metodologia capaz de prever o resultado de uma FDG-PET intermédia após dois ciclos de quimioterapia Adriamycin, Bleomycin, Vinblastine e Dacarbazine (ABVD), através da análise de perfis de expressão de genes usando algoritmos estado da arte de aprendizam automática. Adicionalmente, propomos uma transformação dos dados para mapear o espaço dos dados original para um mais discriminativo através de biclustering. Esta metodologia produz resultados superiores aos obtidos anteriormente nestes dados. Um estudo adicional das relações regulatórias entre genes é levada a cabo para obter novo conhecimento acerca dos mecanismos moleculares associados com o linfoma de Hodgkin e discriminação da resposta ao tratamento. A abordagem apresentada é especialmente relevante devido à baixa incidência deste cancro, o que resulta numa falta de trabalhos que tirem proveito de ferramentas de aprendizagem automática e de tecnologias de sequenciamento de grande escala cada vez mais económicas e rápidas., en=Hodgkin's Lymphoma (HL) is a type of lymphoma, a class of cancers of the lymphatic system. Despite the advancements in multiagent chemotherapy in the past years, up to 10% of HL cases are refractory to treatment and, after remission, patients experience an elevated risk of death from all causes. These complications are dependent on the prescribed treatment, and therefore an increase in the prognostic accuracy of HL can help improve these outcomes. Interim Fluorodeoxyglucose-Positron Emission Tomography (FDG-PET) is the primary indicator of patient response to treatment, however, it is an intrusive and expensive medical exam. In this context, we present a methodology capable of predicting the result of an interim FDG-PET exam after two courses of Adriamycin, Bleomycin, Vinblastine and Dacarbazine (ABVD) chemotherapy, through the analysis of gene expression profiles using state-of-the-art machine learning algorithms. In addition to this, we propose a data transformation procedure for mapping the original data space into a more discriminative one through the use of biclustering. This methodology produces results superior to the ones previously obtained in this dataset. A further study of gene regulatory relations is performed to obtain novel knowledge about the molecular mechanisms associated with HL and discrimination of treatment response. The approach presented is especially relevant due to the low incidence of this cancer, which results in a lack of works that take advantage of novel machine learning tools and increasingly cheap and fast high-throughput technologies.}
{pt=Linfoma de Hodgkin, Aprendizagem automática, Ciência de Dados, Perfil de expressão de genes, Biclustering, Padrões discriminativos, en=Hodgkin's Lymphoma, Machine Learning, Data Science, Gene expression profile, Biclustering, Discriminative patterns}

Julho 16, 2021, 13:0

Orientação

ORIENTADOR

Rui Miguel Carrasqueiro Henriques

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

Rafael Sousa Costa

Universidade Nova de Lisboa

Investigador Associado