Trabajo Fin de Máster: Machine Learning para caracterizar ARNs circulares en exosomas de sangre periférica como biomarcadores
http://openaccess.uoc.edu/webapps/o2/handle/10609/82065
http://openaccess.uoc.edu/webapps/o2/bitstream/10609/82065/7/carmengmzTFM0618memoria.pdf
Autora: Carmen Gómez Valenzuela
Área: Genómica computacional
Profesor consultor: Dr. Amadís Pagès Pinós
Profesor responsable: Dr. Carles Ventura Royo
Junio de 2018
Los ARN circulares (circRNAs) han sido identificados recientemente como una clase de isoformas de ARN que forman una molécula cerrada de forma covalente y que se expresan de manera estable, generalizada y abundante en tejidos. Existen evidencias de que pueden actuar como esponjas de micro ARNs, y de su implicación en diferentes tipos de cáncer.
Los exosomas son pequeñas vesículas derivadas de las células y de origen endocítico que participan en los procesos celulares actuando como una vía de comunicación entre ellas. Se ha demostrado que las células de un tumor suelen producir más exosomas que las sanas y que pueden detectarse en la sangre periférica humana. Adicionalmente, en la secuenciación de ARN, tanto en sangre completa como en exosomas, se han detectado miles de circRNAs de forma reproducible.
En este trabajo se han cuantificado los circRNAs presentes en exosomas de sangre periférica de individuos sanos y con tres tipos de cáncer: colorrectal, hepatocelular y pancreático. Usando la expresión de estos circRNAs se ha conseguido discriminar, con una alta precisión, entre personas sanas y con cáncer, usando técnicas de Machine Learning, reforzando así la hipótesis de que los circRNAs presentes en exosomas de sangre periférica son biomarcadores prometedores que se expresan de forma diferente para distintos tipos de cáncer.
Contenido del repositorio:
-
src: Código fuente y manual de usuario para los scripts que automatizan todas las fases del proyecto
-
example: Resultados intermedios del ejemplo de uso expuesto en el manual de usuario
-
experiment: Resultados intermedios del proyecto
Covalently closed circular RNA molecules (circRNAs) have recently emerged as a class of RNA isoforms with widespread and tissue-specific expression. circRNAs are remarkably stable and highly expressed molecules. Emerging evidence reveals that they might act as micro RNAs sponges, and also there is evidence about their involvement in different types of cancer.
Exosomes are small membrane vesicles of endocytic origin secreted by most cell types and they are thought to play important roles in intercellular communications. It has been shown that tumor cells tend to produce more exosomes than healthy cells and that they can be detected in human peripheral blood. Additionally, in RNA sequencing, in whole blood as well as in exosomes, thousands of circRNAs have been consistently detected.
Here we have quantified the circRNAs present in exosomes of peripheral blood of healthy people and with three types of cancer: colorectal, hepatocellular and pancreatic. Using the expression of these circRNAs, we have been able to discriminate, with high precision, between healthy individuals and patients of each cancer group using Machine Learning techniques, reinforcing the hypothesis that circRNAs present in peripheral blood exosomes are very promising biomarkers since they are expressed differently for different types of cancer.
Contents of this repository:
-
src: Automation script's source code and user's manual
-
example: User manual example's intermediate results
-
experiment: Project's intermediate results