https://padlet.com/franciscacpires/nyd9oodtfc328uqh en-us 2021-04-17 16:28:03 UTC 2023-04-20 02:00:01 UTC hello@padlet.com franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428467083 O cancro no geral é uma doença genética heterogénea e na sua maioria não hereditária.
A maior parte dos cancro da mama  não é herditário e resultam de mutações somáticas

]]> 2021-04-17 16:49:03 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428467083 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428645123 O rápido desenvolvimento de tecnologias para sequenciamento possibilita a identificação precoce de oncogenes e supressores de tumores
- Ferramentas computacionais permitem a análise do sequenciamento do exoma, sequenciamento do RNA e sequenciamento completo do genoma (WGS) humano.]]> 2021-04-17 18:50:31 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428645123 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428648788 Multilayer Perceptrons
- Conjuntos de dados em tabelas;
- Previsão de problemas;
----------------------------------------
Convolution Neural Network
- Reconhecimento e classificação de imagem;
- Reconhecimento facial;
----------------------------------------
Recurrent Neural Networks
- Previsão de problemas;
- Resumo de texto;
----------------------------------------
Deep Belief Network
- Reconhecimento de imagem e video;
- Dados de captura de movimento;]]> 2021-04-17 18:53:37 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428648788 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428649963 - Base dos algoritmos do Deep learning;
- Série de algoritmos que identificam relações subjacentes num conjunto de dados;
- São uma ferramenta poderosa de aprendizagem e inteligência artificial;
- Fazem aproximações de funções e outras dinâmicas, aprendendo através de exemplos;
- Baseando-se nas sinapses entre neurónios, os Neural Network Models conseguem adaptar-se a mundanças de input, conseguindo arquitetar o melhor resultado sem a necessidade de se redesenhar o output;]]> 2021-04-17 18:54:34 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428649963 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428650695 Multilayer Perceptrons
- É composto por três camadas: Input, escondida e output;
- Utiliza uma técnica de aprendizagem denominada de Backpropagation. Esta ajuda no ajuste do peso dos neurónios de modo a se obter um resultado mais próximo do espectável;
----------------------------------------
Convolution Neural Network
- É composto por três camadas: convolution, pooling e fully-connected;
- As camadas de convolution e pooling executam a extração de recursos, recursos esses mapeados na fase final pela camada fully-connected;
----------------------------------------
Recurrent Neural Networks
- Nesta network, o output do passo anterior passa a ser o input do passo atual;
----------------------------------------
Deep Belief Network
- Utiliza probabilidades para formar o output;]]> 2021-04-17 18:55:07 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428650695 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428767199 -Acesso a uma grande quantidade de dados
-Foram retirados conjuntos de dados para pacientes com carcinoma invasivo na mama (BRCA)

]]> 2021-04-17 20:46:05 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428767199 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428784560 - A integração das várias ómicas é usada para entender melhor o prognóstico e o fenótipo do cancro ou funções de uma célula/microrganismo, auxiliando na decisão do tratamento a efetuar bem como perceber o desenvolvimento do cancro.

.: Assim, esta abordagem é a mais vantajosa, pois as diferentes ómicas têm informação relevante e complementar. Deste modo é possível analisar o genoma humano em vários níveis de complexidade simultaneamente.]]> 2021-04-17 21:03:27 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428784560 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428797736 -Fornecer conjuntos de dados multi-ómicas, como também dados de resposta de fármacos para as linhas celulares BRCA

-Mais vantajoso por apresentar um maior leque de fármacos rastreados ]]> 2021-04-17 21:17:39 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428797736 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428804442 Malik, V., Kalakoti, Y. & Sundar, D. Deep learning assisted multi-omics integration for survival and drug-response prediction in breast cancer. BMC Genomics 22, 1–12 (2021)]]> 2021-04-17 21:25:12 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428804442 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428816431 - 2,26 milhões de novos casos em 2020 

]]> 2021-04-17 21:38:55 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428816431 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428816508 - Cerca de 6000 casos novos todos os anos, sendo que em 2020 foram diagnosticados 7041 novos casos
- Principal causa de morte por cancro na mulher]]> 2021-04-17 21:39:02 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428816508 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428820776 - Mais comum no sexo feminino a nível mundial com grande impacto na figura feminina
- Normalmente o tratamento consiste em cirurgia, radioterapia, quimioterapia, hormonoterapia e terapia dirigida]]> 2021-04-17 21:43:42 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428820776 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428824394 .The Cancer Genome Atlas (TCGA)
Projeto criado para se identificar o conjunto completo de alterações no DNA em muitos tipos diferentes de cancro. O estudo destas mudanças pode ajudar investigadores a entender como  diferentes tipos de cancro se formam. Isto pode levar a novas maneiras de prevenir, diagnosticar e tratar o cancro. O Cancer Genome Atlas é liderado pelo National Cancer Institute (NCI) e pelo National Human Genome Research Institute (NHGRI), que fazem parte do National Institutes of Health (NIH).
.Genomics of Drug Sensitivity in Cancer (GDSC)
"We have characterised 1000 human cancer cell lines and screened them with 100s of compounds.
On the GDSC website, you will find drug response data and genomic markers of sensitivity."
.International Cancer Genome Consortium
O International Cancer Genome Consortium é uma organização científica voluntária que fornece um fórum para colaboração entre os principais investigadores de cancro e genómica do mundo. ]]> 2021-04-17 21:47:43 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428824394 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428829372 Deep learning-based multi-omics data integration reveals two prognostic subtypes in high-risk neuroblastoma]]> 2021-04-17 21:54:00 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428829372 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428831453 The Clinical Value of Somatic TP53 Gene Mutations in 1,794 patients with Breast Cancer]]> 2021-04-17 21:56:30 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428831453 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428832358 Deep Learning based multi-omics integration robustly predicts survival in liver cancer]]> 2021-04-17 21:57:23 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428832358 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428833825 MOLI: multi-omics late integration with deep neural networks for drug response prediction]]> 2021-04-17 21:59:10 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428833825 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428842029 - As ómicas reúnem as seguintes disciplinas da área da biologia: genómica, transcritómica, proteómica e metabolómica.

Exemplo:
- A genómica é o estudo do genoma completo dos organismos. Usa uma combinação de tecnologias de DNA recombinante, sequenciação e bioinformática, para sequenciar, montar e analisar a estrutura e função do genoma.
- Distingue-se de genética clássica, no sentido em que aqui olhamos para todo o material hereditário em simultâneo e não para a questão de um gene e um produto de cada vez.

- As ómicas permitem ainda analisar o genoma em diferentes níveis de complexidade simultaneamente e tirar conclusões importantes.]]> 2021-04-17 22:08:48 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428842029 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428842433 - Estes estudos revelam uma necessidade urgente de criar sistemas de prognóstico baseados em conhecimentos robustos que podem gerar fenômenos fenotípicos de estimativas para o indivíduo.
- A medicina personalizada visa fornecer a estratégia mais eficaz de tratamento com base no histórico médico do paciente,
características genómicas e resposta ao tratamento.

]]> 2021-04-17 22:09:13 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428842433 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428858815 A "análise de componentes de vizinhança", NCA, é um método de aprendizagem computacinal para classificar dados multivariados em classes distintas de acordo com uma determinada métrica de distância sobre esses mesmos dados. Funcionalmente, serve aos mesmos propósitos do algoritmo de vizinhos "K-mais próximos" e faz uso direto de um conceito relacionado.]]> 2021-04-17 22:30:35 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428858815 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428861623 2021-04-17 22:34:09 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428861623 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428862741 NCA selecionou 246 conjuntos de seis ómicas com características clínicas como:
.Idade
.Sexo
.Estagio patológico
.Dias desde a última consulta
.Número de nódulos linfáticos afetados
.Metásteses de nódulos linfáticos
.Estagio metastático
.Tipo histológico

]]> 2021-04-17 22:35:32 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428862741 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428874008 .Sensibilidade
.Precisão 
.Especificidade
.Taxa de falsos positivos
.Cotação F1
Coeficiente de correlação de Mathews
.Kappa]]> 2021-04-17 22:49:44 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428874008 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428876542 Inicialmente para 212 fármacos
Feito em 42 linhagens de células com 100 fármacos testados
Previu valores de IC50 para cada um dos fármacos]]> 2021-04-17 22:53:11 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428876542 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428893533 - Algoritmo de seleção de caraterísticas de alto peso, que vai ser aplicado às bases de dados selecionadas anteriormente]]> 2021-04-17 23:16:52 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428893533 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428902994 -Classificador das caraterísticas de alto peso obtidas anteriormente para a contrução de multi-ómicas baseadas na sobrevivência integrativa e na previsão de resposta de fármacos (para o cancro da mama).]]> 2021-04-17 23:29:20 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428902994 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428909359 Esquema do fluxo de trabalho(s) geral seguido(s) para a previsão de sobrevivência e resposta a fármaco(s). O fluxograma descreve várias etapas seguidas
durante o desenvolvimento de modelos de previsão, incluindo:
- A: recuperação de dados, 
- B: processamento de resposta aos fármacos,
- C: processamento dos dados ómicos; 
- D: treino/otimização das redes neurais profundas]]> 2021-04-17 23:37:54 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428909359 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428917467 - Modelos de previsão baseados na integração de multi-ómicas auxiliando os médicos na compreensão do desenvolvimento do estado do cancro e qual o tratamento adequado.]]> 2021-04-17 23:48:22 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428917467 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428922132 Encontrar o fármaco indicado para estes doentes e prever a sobrevivência.]]> 2021-04-17 23:54:23 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428922132 diogocastilho https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428926711 - Multilayer Perceptrons;
- Convolution Neural Network;
- Recurrent Neural Networks;
- Deep Belief Network;]]> 2021-04-18 00:00:59 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428926711 diogocastilho https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428961000 2021-04-18 00:50:39 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428961000 diogocastilho https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428963109 - O NCA fez a seleção de 246 conjuntos de 6 ómicas, juntamente com algumas características clínicas, tais como a idade, sexo, estado patológico, número de nódulos linfáticos afetados, estado tumoral, metástase de nódulos linfáticos, estado metastático e tipo histológico. Estas foram colocadas no modelo de neural network de previsão de sobrevivência para classificar os pacientes em duas classes diferentes, alto e baixo risco. 
O modelo de neural network feed-forward  foi instruído com duas camadas ocultas de 7 nódulos em cada camada, e uma camada de output de dois neurónios, para separar os pacientes em duas classes.
- A aprovação cruzada "10-fold" da rede neural, juntamente com a otimização do termo de regularização e a arquitetura de camadas ocultas, foi realizada com o auxilio do BayesOpt. O modelo final do neural network consistia em duas camadas ocultas (de 7 nódulos em cada) e duas classes de output com termo de regularização definido de 0,9999.
Após várias iterações da otimização de Bayesian, o "trainscg" foi selecionada como uma função de instrução, tendo adotado um método de gradiente conjugante para fazer a atualização de pesos e tendências. A entropia cruzada foi utilizada como função de avaliação de desempenho.
- O modelo de previsão de sobrevivência classificou os pacientes em duas classes, os de alto e baixo risco, com uma precisão de previsão de 94%.
As precisões de previsão de instrução, aprovação e teste do conjunto de dados obtiveram os valores de 93,5; 93,7 e 98,1%, respetivamente. Deste modo, percebe-se que o "overfitting" do modelo de neural network foi evitado com sucesso. 
- A área sob as características operacionais do recetor (AUROC) apresentou um valor de 0,98 em ambas as classes (Alto e baixo risco), demonstrando assim a eficácia do modelo de previsão para fazer esta classificação de maneira eficiente.
O desempenho do modelo foi ainda avaliado pelo cálculo de outros parâmetros, como por exemplo, a sensibilidade, especificidade, precisão, taxa de falsos-positivos, pontuação F1, coeficiente de correlação de Mathews e Kappa. Os valores de todos os parâmetros mostraram que o modelo de previsão demonstrou uma boa capacidade de fazer a distinção entre duas classes de sobrevivência. 
- A aprovação externa do modelo de previsão de sobrevivência baseado em integração multi-ómica realizou-se utilizando um conjunto de dados de 1 e 5 - ómicas de pacientes TCGA BRCA que foram excluídos para a instrução do modelo devido à indisponibilidade de todos os dados das 6-ómicas.
O desempenho do modelo com dados de 1-ómica ou 5-ómicas como aprovação de entrada não eram comparáveis com o modelo em estudo. Observou-se ainda que os dados das 6-ómicas foram capazes de prever tanto os indivíduos de alto risco, como os de baixo com boa precisão. Contudo, quando os dados de 1 ou 5-ómicas foram fornecidos como entrada para aprovação externa, o modelo não foi capaz de prever corretamente indivíduos de alto risco devido a um desequilíbrio de classe no conjunto de dados disponível para cancro da mama. Por conseguinte, foi observado que aquando da utilização de 1-ómica, todos os indivíduos foram classificados como de baixo risco, sendo a precisão de previsão de pacientes de baixo risco de 100%, falhando na previsão de doentes de alto risco.
Da mesma forma, aquando da utilização de 5-ómicas, o modelo foi capaz de prever corretamente indivíduos de alto risco com uma precisão de 0 a 10%, e indivíduos de baixo risco com uma precisão de 83 a 100%. Estes dados mostraram que quantas mais camadas de informações ómicas se adicionarem, melhor a previsão obtida pelo modelo.
A integração de diferentes tipos de ómicas melhora o desempenho dos modelos de previsão quando comparados com a abordagem de 1-ómica tradicional, tendo-se obtido a melhor precisão aquando do uso de todos os tipos de ómicas.]]> 2021-04-18 00:53:35 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428963109 diogocastilho https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428964752 - O modelo de previsão de resposta aos medicamentos foi testado em  linhagens celulares de BRCA, para 212 medicamentos diferentes. Contudo, alguns destes medicamentos foram retirados posteriormente devido a fracas performances quando aplicados neste modelo.
O modelo final foi testado para 42 linhagens celulares e 100 medicamentos.
- A robustez do modelo de regressão, usando os recursos selecionados de forma otimizada com a ajuda do NCA, foi demonstrada utilizando várias métricas de desempenho.
O regressor de rede neural óptimo apresentava duas camadas escondidas com 11 nódulos em cada camada. A Backpropagation de Levenberg-Marquardt (algoritmo de backpropagation mais rápido) foi usada como função de teste para propagar as perdas de volta para a rede.
Posteriormente, a otimização de Bayesian do prazo de regularização foi cumprido, com um valor final definido de 0,3743 com aprovação cruzada 5-fold, de modo a evitar o sobre ajuste do modelo.
- A média do erro quadrado (MSE) foi utilizada como um medidor de performance da função do modelo de regressão da rede neural.
O modelo-regressão de previsão da resposta dos medicamentos previu valores de IC50 para cada medicamento com MSE de 1,154 e um valor de regressão de 0,92, que demonstrou a relação linear entre os valores de IC50 previstos e os reais.
Isto foi seguido por clustering (médias K) não supervisionado de respostas dos medicamentos para se separarem as amostras em responders e non-responders consoante os seus valores de IC50.
Os valores de IC50, em cluster, para os primeiros 20 medicamentos mostraram que um valor limite comum para todos os medicamentos não poderia ser usado, devido a cada medicamento ter a sua própria distribuição de respostas.
O melhor desempenho de aprovação registado, em termos de MSE como 0,66 é bastante notável, tendo em consideração o baixo número de dados.
Para além disso, o cálculo dos limites de IC50 foi também concordante nos dois métodos (médias K e cascata), quantificados por uma forte correlação de 0,91. Contudo, as métricas de classificação apresentaram um delay aquando do uso dos limites calculados pela análise do método de cascata.
Medicamentos como o Dabrafenib, Mitomycin, Olaparib e Ruxolitinib apresentaram desempenhos excelentes em quase todas as linhagens celulares testadas.
- A figura anexada ao tópico mostra o desempenho de resposta, relativamente aos medicamentos, em termos de precisão, especificidade e sensibilidade.
Analisando os resultados, torna-se evidente que a maioria dos medicamentos obtiveram performances iguais ou melhores que os obtidos por modelos de previsão de resposta semelhantes.
Destes métodos tradicionais, faziam parte redes elásticas e modelos SVM para a resposta a medicamentos em bases de dados GDSC, em vez de estruturas de deep learning.
Dito isto, os seus valores médios de sensibilidade e especificidade foram de 0,75 e 0,78, respetivamente.
Mesmo com um grande conjunto de medicamentos testados (cerca de 100), os valores médios de sensibilidade e especificidade foram de 0,8.
- Os medicamentos individuais foram analisados relativamente à sua contribuição para as métricas, levando à descoberta de certos outliers, como é o caso da Bleomycin, Gemcitabine, Thapsigargin, MP470 e FK866. Enquanto que os medicamentos anteriores afetaram negativamente a performance do modelo estudado, medicamentos como o Dabrafenib, AS605240, RDEA119 e PLX4720 demonstraram uma grande correlação com as respostas reais dos medicamentos, ao longo do teste.]]> 2021-04-18 00:55:57 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428964752 diogocastilho https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428966138 - Os modelos propostos de sobrevivência ao cancro da mama e de previsão da resposta a medicamentos foram comparadas com um método previsto de sobrevivência e dois métodos previstos de resposta dos medicamentos.
Como previsão de sobrevivência, um estudo parecido, realizado em pacientes com BRCA mostrou uma eficácia e valores de AUC de 0,73 e 0,79, respetivamente. Numa comparação direta, o modelo proposto apresentou uma performance significativamente melhor para as mesmas condições, com a previsão de eficácia e valores de AUC de 0,94 e 0,98, respetivamente.
Por outro lado, modelos de base de SVM e late-integration têm sido amplamente usados para a previsão de resposta de certos medicamentos quando em pacientes com cancro.
Deste modo, um modelo SVM foi construído internamente, usando alguns aspetos selecionados de NCA para análise comparativa.
Os parâmetros do modelo SVM, custo e gamma, foram otimizados, tendo-se obtido os valores de 10 para custo e 0.5 para gamma como os valores ótimos para a previsão de respostas a medicamentos.
Semelhantemente, o MOLI foi utilizado para prever as respostas aos medicamentos nos conjuntos de dados estudados. Contudo, apenas dois medicamentos (Docetaxel e Gemcitabine) puderam ser comparados devido ao MOLI ser limitado para apenas alguns medicamentos.
- O método proposto superou a concorrência em ambos os casos, reforçando assim a eficácia do método proposto.
Para além disto, mostrou-se necessário ter uma medida de aprovação externa para avaliar a eficácia do modelo de resposta ao medicamento proposto.
Os dados de resposta dos medicamentos a pacientes com cancro da mama TCGA (BRCA) foram obtidos a partir de um estudo semelhante. Foram extraídos da base de dados identificadores de TCGA e de resposta a medicamentos, para quatro medicamentos diferentes (Vinblastine, Gemcitabine, Tamoxifen e Docetaxel).
Dados de mRNAseq, metilação, CNV e miRNAseq para identificadores de TCGA selecionados foram processados e guardados na rede neural.
- As respostas a medicamentos previstas, "binarizadas" utilizando limites de medicamentos calculados anteriormente, foram bastante precisas, apresentando uma precisão de 0,79 para o Docetaxel (24 pacientes) e 0,5 para o Tamoxifen (11 pacientes).
Para o Vinblastin e o Gemcitabine, o conjunto de dados de um único paciente, para cada medicamento, encontrava-se disponível para se fazer a comparação das previsões do modelo de previsão de resposta aos medicamentos.
- O modelo desenvolvido foi capaz de prever a resposta dos medicamentos Vinblastin e Gemcitabine corretamente. Deste modo, considerando que o modelo inicial foi treinado em linhagens celulares, a precisão da validação externa (0,73) é consistente com a validação interna, reforçando a eficácia do método proposto.]]> 2021-04-18 00:58:04 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428966138 diogocastilho https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428967104 - A seleção de recursos utilizando NCA originou um conjunto de genes com grande potencial de previsão. Deste modo, a Gene Set Enrichment Analysis (GSEA) foi utilizada para calcular as pontuações de enriquecimento genético correspondentes a cada entidade. A base de dados de conhecimentos de reactoma foi utilizada para se fazer a análise.
O conjunto de genes selecionados a partir do conjunto de dados de mRNA, para a previsão de sobrevivência, revelou vias e reações críticas para a sobrevivência do paciente.
- A regulação de transcrição dependente de TP53, a expressão genética e a resposta a danos de DNA foram as vias mais enriquecidas, de entre todos os tipos de dados. A "signature" identificada, de sobrevivência e previsão de resposta a medicamentos, foi também combinada e mapeada nas vias KEGG, usando a ferramenta de anotação DAVID.
A via identificada consistia principalmente em vias cancerígenas e todas as principais vias cuja desregulação é bem relatada no cancro.

]]> 2021-04-18 00:59:26 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1428967104 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1429987885 - Cerca de 5 a 10% dos cancros da mama são hereditários (sendo que cerca de 80 a 90% destes são devido a mutações nos genes seguintes)

-Associado aos genes BRCA1 e BRCA2, o indivíduo herda uma mutação nestes, tem mais probabilidade de desenvolver o cancro da mama em idades mais precoses.

-Este mutação no genes é autossómica dominante ou seja, há probabilidade de 50% de transmissão da mutação de geração em geração, dentro das várias famílias

- Se a mulher possuir o gene BRCA1 tem 72% de probabilidade de uma mulher desenvolver o cancro da mama na sua vida, enquando que se tiver o gene BRCA2 é de 69%

]]> 2021-04-18 14:32:16 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1429987885 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1429993922 2021-04-18 14:36:26 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1429993922 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430010508 2021-04-18 14:47:26 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430010508 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430023593 -Gene produz uma PROTEÍNA responsável por DNA repair.
-Gene supressor do Tumor, ou seja, inibe o seu crescimento
Dois tipos de BRCA- BRCA1 e BRCA2, normalmente presentes]]> 2021-04-18 14:55:39 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430023593 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430152598 -As células acumulam demasiadas mutações e eventualmente desenvolve-se o cancro
-Ou seja, o cancro desenvolve-se se o sistema imunitário não estiver a funcionar devidamente, e/ou se a quantidade de células produzidas for demasiado grande e o sistema imunitário não as conseguir eliminar.]]> 2021-04-18 16:15:15 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430152598 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430156366 Processo normal se o gene não está mutado:
1º  Recrutamento da proteína Rad51 para os locais de dano do DNA
2º BRCA2 promove a nucleação do Rad51 no filamento (envolvendo um só filamento)
3º Invade o cromatídio irmão, encontrando a sequência complementar nele e há a formação do D-Loop, ou seja, há a reparação do DNA.
Conclusão: Se houver mutação do gene BRCA, há uma acumulação destas, que leva ao cancro da mama

]]> 2021-04-18 16:17:35 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430156366 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430183934 2021-04-18 16:34:06 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430183934 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430194493 - "Reativar" sequências silencidadas de DNA da heterocromatina.
-Há trancrição de DNA satélite (que é o principal componente dos centrómeros funcionais)
Esta Transcrição pode levar a:
-Paragem no crescimento;
-Recombinação homóloga prejudicada;
-Quebras espontâneas DNA;
-Dificuldades em manter a integridade da heterocromatina.
Isto tudo provoca instabilidade genómica.]]> 2021-04-18 16:40:49 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430194493 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430195382 2021-04-18 16:41:25 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430195382 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430277540 2021-04-18 17:30:48 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430277540 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430550076 (Alguns dos outros modelos estão afixados na coluna da abordagem das multi-ómica)]]> 2021-04-18 20:16:58 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430550076 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430554592 C. Wang et al. [22]]]> 2021-04-18 20:20:03 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430554592 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430566871 .Retirado do artigo principal cujas referências [31]-[35] estão expostas posteriormente.]]> 2021-04-18 20:28:48 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430566871 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430571076  31. EF-Hand Domain Family Member D1 (EFHD1)
Kwan TT, Bardia A, Spring LM, Giobbie-Hurder A, Kalinich M, Dubash T, Sundaresan T, Hong X, LiCausi JA, Ho U, et al. A digital RNA signature of circulating tumor cells predicting early therapeutic response in localized and metastatic Breast Cancer. Cancer Discovery. 2018;8(10):1286–99. https:// doi.org/10.1158/2159-8290.CD-18-0432.
32. E-Cadherin (CDH1)
Corso G, Pascale V, Marrelli D, Pinheiro H, Carvalho J, Garosi L, Seruca R, Oliveira C, Roviello F. CDH1 structural alterations as novel prognostic biomarker in gastric cancer patients. J Clin Oncol. 2011;29(4_suppl):42.
33. E-Cadherin (CDH1)
El-Araby RE, Khalifa MA, Zoheiry MM, Zahran MY, Rady MI, Ibrahim RA, ElTalkawy MD, Essawy FM. CDH1 gene as a prognostic biomarker in HCV (genotype 4) induced hepatocellular carcinoma in the Egyptian patients. Gene Reports. 2019;16:100452. https://doi.org/10.1016/j.genrep.2019.100452.
34. Phosphatidylinositol 3 Kinase (PIK3CA)
Stirrups R. Ibrutinib and rituximab for chronic lymphocytic leukaemia. Lancet Oncol. 2019;20(9):e471. https://doi.org/10.1016/S1470-2045(19)30528-5.
35. Tumor Protein 53
Duffy MJ, Synnott NC, Crown J. Mutant p53 in breast cancer: potential as a therapeutic target and biomarker. Breast Cancer Res Treat. 2018;170(2):213– 9. https://doi.org/10.1007/s10549-018-4753-7. ]]> 2021-04-18 20:31:43 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430571076 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430671048 - No cancro da mama, existe uma relação entre as mutações de alguns genes com o aumento do risco de desenvolver este cancro. Os mais comuns são os genes BRCA1 e BRCA2. De facto, mulheres portadoras de genes BRCA1 ou BRCA2 que tenham sofrido mutações, têm risco aumentado de vir a desenvolver cancro da mama ao longo da vida, variando entre os 50 e 85%. 

-Podem também ser causadas por variantes patogénicas noutros genes, como TP53, STK11, ATM, BARD1, BLM, BRIP1, CDH1, CHEK2, PAL2, PMS2.]]> 2021-04-18 21:52:21 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430671048 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430678367 - Se as células forem cancerigenas, o processo de divisão celular é interrompido e desregulado, resultando na proliferação celular e no crescimento do tumor.]]> 2021-04-18 21:59:12 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430678367 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430700328 Podemos então classificar o Cancro da Mama (CM) relativamente à presença de recetores (classificação molecular) em 4 grupos diferentes: 
-luminal A; 
-luminal B;
-enriquecido em HER2 (HER2 positivo); 
-basal ou triplo negativo.

O CM luminal A é positivo para os recetores de estrogénio e progesterona, mas negativo para a sobrexpressão de HER2. O CM luminal B é positivo para os recetores de estrogénio e/ou progesterona e positivo ou negativo para a sobrexpressão de HER2. O CM enriquecido em HER2 é negativo para os recetores de estrogénio e/ou progesterona, mas positivo para a sobrexpressão de HER2. Por fim, o CM triplo negativo não apresenta recetores de estrogénio, progesterona nem níveis elevados de HER2.

]]> 2021-04-18 22:20:58 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430700328 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430721846 É sobre-expressado no cancro da mama, é ainda reportado que serve como uma "assinatura" de RNA específica do cancro da mama]]> 2021-04-18 22:40:59 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430721846 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430723127 2021-04-18 22:42:18 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430723127 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430724351 2021-04-18 22:43:33 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430724351 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430811596 O knockout genético é uma técnica para inativar seletivamente um gene substituindo-o, ou não.
É efetuado em 3 etapas:
1. Alteração do gene in vitro
2. Introdução do gene no hospedeiro
3. Seleção (selecionar dentro do hospedeiro as células que têm o gene mutante)

É feito com recurso a vetores suicidas: um vetor que não pode ser replicado; vai ser eliminado da célula, mas parte do mesmo poderá ser integrada no cromossoma.]]> 2021-04-18 23:56:13 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1430811596 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433405619 2021-04-19 14:44:44 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433405619 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433429125 2021-04-19 14:49:19 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433429125 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433536061 Considerando os inúmeros compostos produzidos pelas empresas farmacêuticas, precisamos de novas ferramentas para acelerar o desenvolvimento clínico e levar em conta a heterogeneidade da doença. Os modelos pré-clínicos são uma solução potencial. 
- Uma etapa de triagem pré-clínica no desenvolvimento de fármacos deve prever não apenas a atividade anti tumoral de novos compostos, mas também em qual tipo ou subtipo de tumor o composto é mais eficaz.]]> 2021-04-19 15:09:05 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433536061 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433548630 Estabelecer um painel de xenoenxertos de cancro da mama humano em camundongos imunodeficientes adequados para ensaios pré-clínicos farmacológicos. ]]> 2021-04-19 15:11:27 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433548630 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433658626 2021-04-19 15:31:07 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433658626 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433891288 "Concluímos que uma rede neural profunda artificial, treinada para usar multi-ómicas de um indivíduo, em conjunto com as suas características clínico-patológicas,
pode, não apenas conseguir segregar o indivíduo em subgrupos de baixo e alto risco, como também auxiliar na triagem de um conjunto de fármacos com base nos valores de sensibilidade correspondentes a
o paciente em observação. Os resultados reforçam a
ideia de que uma abordagem integrativa pode prever com maior precisão e de uma forma mais personalizada para a administração de medicamentos
e para a estratégia geral de tratamento."]]> 2021-04-19 16:13:46 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433891288 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433920447 2021-04-19 16:18:59 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433920447 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433942900 É o gene mutado com mais frequência no cancro da mama invasivo. Embora seja mutado em 30-35% de todos os casos, o p53 encontra-se normalmente mutado em aproximadamente 80% dos tumores triplo-negativos (TN). Por causa desta alta prevalência, o p53 mutado é considerado um biomarcador e um alvo terapêutico para pacientes com cancro da mama, especialmente para os pacientes do subtipo TN. Embora vários estudos tenham investigado o potencial uso como prognóstico e o possivel papel preditivo para terapias, os resultados até o momento não são conclusivos. Assim, atualmente, a mutação no p53 não é recomendado como um biomarcador de prognóstico ou preditivo de terapias no cancro da mama. 
Só recentemente,  é que a mutação p53 foi investigada como um alvo potencial para o tratamento do cancro da mama. Na última década, vários compostos tornaram-se disponíveis que podem reativar a proteína p53 mutante e convertê-la na conformação com propriedades de tipo selvagem. Alguns desses compostos, especialmente PRIMA-1, APR-246 PK11007 e COTI-2, mostraram mesmo capacidade anticancerigena em modelos pré-clínicos de cancro da mama.
-Como o p53 se encontra mutado na grande maioria dos cancros da mama TN, compostos como APR-246, PK11007 e COTI-2 são potênciais tratamentos para pacientes TN
No entanto, é ainda necessária mais pesquisa para identificar o potencial papel para o p53 mutante no cancro da mama.
"A abordagem do deep learning é também interessante desde ponto de vista. No sentido em que pode realmente complementar anteriores estudos e testar se há realmente uma correlação e se certos genes das bases de dados podem ser utilizados ou não para este tipo de inferências."]]> 2021-04-19 16:22:49 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1433942900 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1434293025 - Inativação do gene BRCA1 com recurso ao sistema de vetor CRE-lox
- Verificou-se desenvolvimento de cancro da mama nos camundongos de início tardio com mutações no P53

.: A perda do checkpoint P53 está associada à perda do gene BRCA no desenvolvimento do cancro]]> 2021-04-19 17:27:20 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1434293025 tatianadferreira https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435202294 -Também conhecido como p4; p5; bbl; bfy; bhy; p44; p53; Tp53
- Gene do ratinho abordado no caso de estudo.]]> 2021-04-19 20:56:46 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435202294 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435209885 Ambos os genes anteriores estão localizados no cromossoma 11 do mus muluscos]]> 2021-04-19 20:59:37 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435209885 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435236976 Os ratinhos (mus musculus) são muito utilizados como modelos para ensaios pré-clínicos, neste caso do cancro da mama, por serem de fácil manipulação, com alguns genes em comum com os humanos e representando fenótipos semelhantes.]]> 2021-04-19 21:10:23 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435236976 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435296819 Usam como input nos modelos de previsão as estruturas moleculares dos fármacos e a interação fármaco-alvo.]]> 2021-04-19 21:36:14 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435296819 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435308042 2021-04-19 21:41:19 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435308042 joaorochamaia https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435335162 SVM drug response prediction model]]> 2021-04-19 21:53:52 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435335162 franciscacpires https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435363446 Powell, S. N. & Kachnic, L. A. Roles of BRCA1 and BRCA2 in homologous recombination, DNA replication fidelity and the cellular response to ionizing radiation. Oncogene 22, 5784–5791 (2003). ]]> 2021-04-19 22:07:57 UTC https://padlet.com/franciscacpires/nyd9oodtfc328uqh/wish/1435363446