Novel metabolic network reconstruction algorithms for -omics data integration and in-silico gene essentiality analysis in cancer

• Autores: Luis Tobalina Segura
• Directores de la Tesis: Francisco Javier Planes Pedreño (dir. tes.)
• Lectura: En la Universidad de Navarra ( España ) en 2015
• Idioma: español
• Número de páginas: 164
• Tribunal Calificador de la Tesis: Fernando J. Corrales (presid.), Adam Podhorski (secret.), Luz Mary Ortiz Estévez (voc.), Federico Morán Abad (voc.), Pablo Jorge Carbonell Cortés (voc.)
• Materias:
  • Matemáticas
    • Investigación operativa
      • Programación entera
      • Programación lineal
  • Ciencias de la vida
    • Biomatemáticas
    • Fisiología humana
      • Metabolismo humano
• Enlaces
  • Tesis en acceso abierto en: dadun.unav.edu
• Resumen

  • Para conseguir derrotar al cáncer, es necesario entender su biología. Hoy en día, el estudio del metabolismo constituye un área de investigación muy activa en cáncer. Algunas técnicas de Biología de Sistemas, empleadas para analizar el metabolismo del cáncer, permiten contextualizar el conocimiento biológico disponible con datos experimentales antes de realizar otros tipos de análisis dirigidos a encontrar puntos débiles en las células cancerosas. No sólo el cáncer, sino también las comunidades bacterianas que viven en nuestros cuerpos tienen un impacto en nuestra salud y, por tanto, también necesitan de estos métodos para su estudio. El propósito de esta tesis consiste en mejorar las técnicas de reconstrucción automática de redes metabólicas, y aplicarlas para extraer nuevos conocimientos a partir de datos experimentales, así como para encontrar qué genes son esenciales para la supervivencia del cáncer. También tiene como objetivo encontrar nuevos métodos que puedan ser empleados para integrar datos experimentales y mejorar la precisión en la predicción de dianas terapéuticas. Esta tesis introduce dos nuevos algoritmos para la reconstrucción de redes metabólicas. Uno de ellos está centrado en comunidades bacterianas y el uso de datos de metaproteómica y taxonomías. El otro está centrado en datos de expresión génica procedentes de muestras cancerosas. Este último algoritmo nos permite evaluar una técnica in-silico usada en la actualidad para la búsqueda de genes esenciales metabólicos contra datos experimentales de alto rendimiento acerca de la esencialidad de los genes. Por último, desarrollamos un nuevo método que responde a la pregunta sobre qué reacciones en una red metabólica es necesario bloquear para que otra reacción concreta se convierta en esencial, abriendo la posibilidad de desarrollar nuevos métodos para la integración de datos experimentales con redes metabólicas