Mediante modelos Bayesianos construimos una red usando los datos de expresión de líneas celulares o muestras clínicas. La principal característica de este tipo de redes es que poseen estructura funcional, es decir, es posible establecer nodos con una función biológica mayoritariamente representada. De esta manera es posible caracterizar grupos de pacientes a nivel funcional, pudiendo estudiar las diferencias existentes en los procesos biológicos.
1 junio, 2015
Cancer Research
Gámez-Pozo et al.
15 abril, 2020
BMC Cancer
Trilla-Fuertes et al.
8 enero, 2018
Oncotarget
Trilla-Fuertes et al.
7 febrero, 2019
scientific reports
Prado-Vázquez et al.
12 junio, 2018
Oncotarget
Zapater-Moros et al.
17 noviembre, 2017
scientific reports
De Velasco et al
10 mayo, 2019
scientific reports
Trilla-Fuertes et al.
19 abril, 2020
Molecular & Cellular Proteomics
Trilla-Fuertes et al.
El análisis de la información biológica entendiéndola como un conjunto de informaciones complementarias pero independientes, nos permite profundizar en algunos aspectos claves, como puede ser la relación del sistema inmune del paciente con el tumor. La combinación del “sparse k-means” y el “consensus clustering algorithm” permiten definir diferentes capas de información en un conjunto de datos. De esta manera es posible separar la información en función de su importancia en la clasificación de las muestras.
28 junio, 2019
BMC Cancer
Trilla-Fuertes et al.
7 febrero, 2019
scientific reports
Prado-Vázquez et al.
17 noviembre, 2017
scientific reports
De Velasco et al.
El “Flux Balance Analysis” es una técnica que permite modelar de manera computacional una red metabólica. Se utilizaba tradicionalmente en microbiología, pero con la aparición de reconstrucciones cada vez más completas del metabolismo humano se ha ampliado su aplicación a campos como el cáncer. Sirve para caracterizar diferencias a nivel de rutas metabólicas y para predecir la tasa de crecimiento de un microorganismo o de un tumor.
30 agosto, 2017
scientific reports
Gámez-Pozo et al.
8 junio, 2018
Oncotarget
Trilla-Fuertes et al.
28 junio, 2019
BMC Cancer
Trilla-Fuertes et al.
10 mayo, 2019
scientific reports
Trilla-Fuertes et al.
Los predictores de clase permiten elaborar un predictor que clasifique las muestras clínicas en diferentes grupos. Por otro lado, los predictores de supervivencia permiten clasificar las muestras según alto o bajo riesgo de recaída. Estos predictores se definen a partir de datos de expresión de genes, proteínas, metabolitos o miRNAs. También es posible elaborar predictores a partir de los datos obtenidos en las redes Bayesianas o los modelos metabólicos.
8 junio, 2017
PLOS ONE
Gámez-Pozo et al.
17 noviembre, 2017
scientific reports
De Velasco et al.
3 octubre, 2019
Future Oncology
Trilla-Fuertes et al.
30 agosto, 2017
scientific reports
Gámez-Pozo et al.
Mediante técnicas como el “Significance Analysis of Microarrays” (SAM) podemos establecer diferencias en los patrones de expresión de genes, proteínas, miRNAs o metabolitos entre dos o más grupos de pacientes. Esta herramienta ha demostrado ser útil, por ejemplo, en la definición de grupos moleculares de novo. El SAM nos proporciona una lista de genes diferenciales entre los grupos.
30 agosto, 2017
scientific reports
Gámez-Pozo et al.
28 febrero, 2020
PLOS ONE
Trilla-Fuertes et al.
19 abril, 2020
Molecular & Cellular Proteomics
Trilla-Fuertes et al.
10 mayo, 2019
scientific reports
Trilla-Fuertes et al.
1 junio, 2015
Cancer Research
Gámez-Pozo et al.
Mediante la elaboración de redes Bayesianas basadas en gráficos dirigidos es posible caracterizar las relaciones existentes entre proteínas o genes de manera jerarquizada. Esta aproximación permite establecer hipótesis acerca de redes de regulación sin necesidad de conocimiento previo.
11 junio, 2020
PLOS ONE
Trilla-Fuertes et al.
©2020 Biomedica. Todos los derechos reservados. Términos y Condiciones Política de privacidad y cookies.
Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información. ACEPTAR