Examinando por Materia "Biomarcadores"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónAcceso abierto
    Algoritmo de inteligencia artificial para predecir la respuesta a la inmunoterapia en cáncer
    (Universidad EIA, 2025) Salazar Ramírez, Juan José; Castaño Portilla, Carolina
    RESUMEN: Este trabajo de grado se centra en la validación de un modelo de inteligencia artificial desarrollado para predecir la respuesta de pacientes con tumores sólidos tratados con inmunoterapia basada en inhibidores de puntos de control inmunitario. Aunque la inmunoterapia representa un avance significativo en oncología, su eficacia no es homogénea entre los pacientes, debido a diferencias biológicas y genéticas. Esta variabilidad ha generado la necesidad de identificar biomarcadores que permitan predecir de forma más adecuada qué pacientes podrían beneficiarse del tratamiento. El modelo abordado en este proyecto utiliza datos transcriptómicos obtenidos mediante secuenciación de ARN (RNA-seq) de biopsias tumorales tomadas antes del inicio de la terapia. El desarrollo del proyecto se organizó en tres etapas. En la primera, se recolectaron y procesaron datos transcriptómicos de bases de datos públicas que cumplían con criterios de inclusión como la disponibilidad de respuesta clínica evaluada según los criterios RECIST, así como el uso exclusivo de inmunoterapia anti-PD-1 o anti-PD-L1. Posteriormente, las matrices crudas de conteo fueron normalizadas mediante el método de cuentas por millón (CPM), permitiendo la estandarización de las expresiones génicas entre muestras. Se generaron visualizaciones exploratorias que permitieron validar la calidad de los datos normalizados y descartar muestras atípicas. En la segunda etapa, se entrenó el modelo de aprendizaje automático utilizando los conjuntos de datos Kim, Cho, y un grupo adicional de pacientes nuevos. Las matrices normalizadas fueron evaluadas utilizando métricas como sensibilidad, precisión, F1-score y área bajo la curva (AUC), con el objetivo de determinar la capacidad predictiva del modelo. Finalmente, en la tercera etapa, se evaluó el comportamiento del modelo al aplicar los datos de pacientes nuevos, analizando su capacidad de generalización y desempeño fuera del conjunto de entrenamiento. Los resultados obtenidos respaldan el uso de esta herramienta como un apoyo potencial en decisiones clínicas dentro del contexto de la oncología personalizada. Este estudio contribuye a la medicina de precisión al integrar análisis transcriptómicos completos con algoritmos de aprendizaje automático, facilitando la identificación de pacientes con mayor probabilidad de beneficiarse de la inmunoterapia. Aunque se requiere validación futura con datos prospectivos, los hallazgos indican que el modelo presenta un comportamiento robusto y clínicamente relevante.
  • Miniatura
    PublicaciónAcceso abierto
    Análisis comparativo de la expresión de biomarcadores asociados con la respuesta a la inmunoterapia PD-1/PD-l1 usando herramientas bioinformáticas
    (Universidad EIA, 2025) Parra Díaz, Sara; Castaño Portilla, Carolina
    RESUMEN: En el presente estudio se realizó un análisis comparativo de la expresión génica de biomarcadores asociados a la inmunoterapia dirigida a PD-1 y PD-L1 en tejidos sanos y cancerosos, con el fin de evaluar su especificidad y utilidad clínica. Se utilizaron datos de secuenciación de ARN (RNA-seq) obtenidos de bases de datos públicas, los cuales fueron procesados mediante herramientas bioinformáticas como Cutadapt, STAR, featureCounts y DESeq2. A partir del análisis de expresión diferencial, se identificaron múltiples genes con diferencias significativas en su expresión entre los grupos estudiados: sanos, cáncer, respondedores y no respondedores. Posteriormente, se realizó un análisis de enriquecimiento funcional (GSEA) con base en los resultados del análisis diferencial, revelando rutas biológicas relevantes, como la cascada del complemento y la coagulación, así como procesos relacionados con la regulación inmune y el metabolismo celular. Los resultados demostraron que ciertos genes, como DPYSL5, SFTPC, PAPLN y CXCL9, presentan diferencias significativas entre pacientes que responden o no a la inmunoterapia, lo que sugiere su posible valor como biomarcadores predictivos. Además, el uso combinado de pruebas estadísticas (Kruskal-Wallis y Mann Whitney U) permitió validar la consistencia de la expresión diferencial observada. En conjunto, estos hallazgos respaldan la utilidad de los enfoques bioinformáticos para la identificación de biomarcadores específicos, y contribuyen al desarrollo de herramientas que permitan personalizar las estrategias terapéuticas en oncología.
  • Miniatura
    PublicaciónAcceso abierto
    Evaluación de las proteínas GRP75 y HSP71 como biomarcadores de la enfermedad de Alzheimer.
    (Universidad EIA, 2011) Castellanos Restrepo, Juliana; Valencia Duarte, Ana Victoria
    RESUMEN: La enfermedad de Alzheimer (EA) es el más común de los trastornos neurodegenerativos en la vejez y afecta a millones de personas alrededor del mundo. A pesar de los incalculables esfuerzos encaminados a explicar su etiología, actualmente, no se conoce la causa de las formas familiares de la enfermedad, que solo responden por el 5% de los casos totales, no existe un tratamiento que prevenga o retrase su aparición, más aún, su diagnóstico certero solo es posible post-mortem. La EA como otros trastornos neurodegenerativos se caracterizan por el mal plegamiento de algunas proteínas en el cerebro. Se cree que este proceso y el daño cerebral asociado, se inician varios años antes de la neurodegeneración substancial que acompaña la demencia. Este proyecto hace un análisis de la expresión de dos de los posibles blancos de diagnostico preclínico: Las proteínas GRP75 y Hsp71, siendo la primera asociada a la disfunción mitocondrial. El análisis se realizó a partir del suero de pacientes con EA y sus controles pareados por edad y sexo identificando si existen diferencias en los niveles de expresión de las dos proteínas de interés, para contribuir así al posible análisis mínimamente invasivo y a la implementación de tratamientos futuros. Utilizando la técnica de Western blot y realizando un análisis cuantitativo para obtener el nivel de expresión de las proteínas, se observó que GRP75 y HSP71 tuvieron expresión tanto en casos con enfermedad de Alzheimer como en controles y no hubo diferencias significativas entre los casos y los controles No obtuvimos evidencias para la expresión diferencial de las proteínas GRP75 ni HSP71 en los casos con (EA), sin embargo, es necesario validar los resultados, para evaluar la consistencia entre experimentos y utilizar un método como el Western blot bidimensional para evaluar la expresión diferencial de las diferentes isoformas de las proteínas entre los casos y los controles.