Priorización de genes y búsqueda de dianas terapéuticas por medio de herramientas informáticas y técnicas de aprendizaje automatizado en cáncer de mama

Resumo

O cancro de mama (CM) é a principal causa de morte relacionada con enfermidades malignas en mulleres e é o tipo de cancro máis diagnosticado a nivel mundial. A CM é unha enfermidade heteroxénea onde interveñen varios factores, como alteracións xenómicas, desregulación da expresión proteica, alteración de cascadas xenéticas, desregulación hormonal, determinantes ambientais e etnia. A pesar dos grandes avances tecnolóxicos e científicos dos últimos anos, a comprensión dos procesos moleculares, a identificación de novas dianas terapéuticas e a predición de proteínas implicadas na inmunoterapia, metástase e unión ao ARN é fundamental para o desenvolvemento de fármacos e aplicación da medicina de precisión na práctica clínica. Esta tese propón o desenvolvemento dunha estratexia de consenso altamente eficiente no recoñecemento de xenes e proteínas asociadas a CM; a validación oncolóxica destes xenes e proteínas prioritarias mediante a estratexia OncoOmics, que consistiu na análise de bases de datos experimentais altamente relevantes en todo o mundo; a identificación de mutacións oncogénicas e fármacos esenciais para o desenvolvemento e aplicación da medicina de precisión; e a predición de proteínas CM asociadas á inmunoterapia, metástase e unión ao ARN usando diversas ferramentas informáticas e métodos de intelixencia artificial. Todos os resultados publicáronse en revistas internacionais cun importante factor de impacto.