Survival analysis using clinical and genetic data for non small cell lung cancer prognosis

  1. Aramburu Siso, Ander
Dirigida por:
  1. Angel Rubio Díaz-Cordovés Director

Universidad de defensa: Universidad de Navarra

Fecha de defensa: 20 de junio de 2014

Tribunal:
  1. Rubén Pío Osés Presidente
  2. Victoriano Segura Ruiz Secretario/a
  3. Iñaki Inza Cano Vocal
  4. Luz Mary Ortiz Estévez Vocal
  5. Adolfo López de Munain Arregui Vocal
Departamento:
  1. (TECNUN) Ingeniería Biomédica y Ciencias

Tipo: Tesis

Teseo: 117362 DIALNET

Resumen

El objetivo principal de esta tesis es desarrollar una metodología pronóstico para discernir si la quimioterapia adyuvante está indicada o no, en pacientes con estadios tempranos de cáncer de pulmón de células no pequeñas (CPCNP). Se han utilizado marcadores de ADN junto con información clínica para predecir la supervivencia global (SG) en estadios tempranos de CPCNP. En concreto, la metodología que se propone, se basa en la identificación de aberraciones del número de copias de ADN (amplificaciones y deleciones) en las muestras tumorales, que predicen con éxito la SG. Uno de los retos de este tipo de estudios es el tamaño reducido de la muestra. Desafortunadamente, la falta de muestras es más acentuada en los set de datos de número de copias. Por lo tanto, optamos por realizar un meta-análisis para incluir más datos. Para ello, se han combinado los datos de diferentes estudios. Por otro lado, otro de los retos en el análisis de aberraciones del número de copias de ADN, es identificar regiones con número de copias constante a lo largo del genoma. En esta línea, se ha desarrollado un método para eliminar los efectos de lote en el proceso de escalado de los arrays de SNPs. Además, cualquier alteración de ADN se puede considerar que tiene un límite, es decir, un punto de ruptura en el ADN. Estas roturas se producen con frecuencia a lo largo del genoma y podrían desempeñar un papel importante en el desarrollo del cáncer. En nuestro estudio, hemos creado una herramienta bioinformática que detecta, por un lado, puntos de ruptura recurrentes, y por otro, puntos de ruptura específicos de cada subtipo de cáncer. Por otra parte, hemos demostrado que los modelos clínico-genéticos producen un valor pronóstico prometedor en SG que supera los modelos clínicos actuales. Los primeros, se han generado con la ayuda de un filtro de genes basado en bases de datos externas, y de redes de interacción de genes. El uso de esta información complementaria ha proporcionado una mejor generalización del modelo para la predicción de la supervivencia. La traslación clínica de estas metodologías puede potencialmente mejorar el pronóstico y el tratamiento del cáncer. Además, el uso del ADN como analito facilita la traslación de estos modelos clínico-genéticos para su uso clínico en los pacientes con CPCNP en estadios tempranos.