000144673 001__ 144673 000144673 005__ 20240830130409.0 000144673 037__ $$aTESIS-2024-359 000144673 041__ $$aspa 000144673 1001_ $$aHermoso Durán, Sonia 000144673 24500 $$aBiopsia Líquida Térmica en muestras de sangre periférica: modelos de clasificación basados en aprendizaje automatizado para el diagnóstico y pronóstico de patología oncológica pancreática y colorrectal 000144673 260__ $$aZaragoza$$bUniversidad de Zaragoza, Prensas de la Universidad$$c2024 000144673 300__ $$a215 000144673 4900_ $$aTesis de la Universidad de Zaragoza$$v2024-352$$x2254-7606 000144673 500__ $$aPresentado: 07 06 2024 000144673 502__ $$aTesis-Univ. Zaragoza, , 2024$$bZaragoza, Universidad de Zaragoza$$c2024 000144673 506__ $$aall-rights-reserved 000144673 520__ $$aLa calorimetría diferencial de barrido (DSC, differential scanning calorimetry) es una técnica biofísica que se ha utilizado tradicionalmente para el estudio de la estabilidad térmica de proteínas en solución. En ella se determina el exceso de capacidad calorífica en función de la temperatura, lo que se conoce como termograma. El uso de DSC con muestras biológicas es lo que se conoce como biopsia líquida térmica (TLB, thermal liquid biopsy). Estudios previos han demostrado que existe un patrón muy homogéneo y característico de los termogramas obtenidos de pacientes sanos, al igual que se ha demostrado que el termograma cambia ante situaciones de patologías inflamatorias, autoinmunes, cancerosas, etc. <br />A pesar de los cada vez más numerosos estudios publicados y en diferentes patologías, todavía no existe una metodología estándar para analizar los termogramas y poder diferenciar diferentes grupos (sanos vs enfermos). Gracias al avance en la bioinformática se han propuesto algunas metodologías más sofisticadas para obtener modelos de clasificación a partir de la información de los termogramas.<br />En esta Tesis Doctoral se propone una nueva metodología de análisis de termogramas procedentes de muestras biológicas (sobre todo de suero sanguíneo), caracterizado por el uso de parejas de temperaturas como variables predictivas, con la aplicación de algoritmos ya validados en otro tipo de datos (ómicas), para elaborar un modelo de clasificación mediante aprendizaje automatizado, el cual incluye un sistema de penalización tipo Lasso, para evitar problemas de sobreajuste, mediante la aplicación de validación cruzada. Todo este procedimiento se ajusta en un 70% de los datos (entrenamiento) y se validara en el 30% restante, aleatorizando la selección de estos dos grupos 100 veces. La respuesta obtenida del modelo de clasificación (modelo iTLB, es decir, modelo TLB basado en algoritmos de inteligencia artificial), es un número que, si es menor de cero (umbral estándar) significa que el modelo iTLB clasifica ese termograma como no patológico, mientras que si la respuesta es un número superior a cero significa que clasifica ese termograma como patológico.<br />Existen muchas patologías donde sería muy interesante la incorporación de nuevas herramientas como TLB para mejorar el diagnóstico o seguimiento de los pacientes. Esta Tesis Doctoral se ha centrado en dos principales patologías oncológicas: el adenocarcinoma ductal de páncreas (PDAC) y el cáncer colorrectal (CCR). La primera de ellas porque es una de las enfermedades oncológicas con peor pronóstico, debido principalmente a su diagnóstico en estadios avanzados. Por lo que son necesarias nuevas herramientas que mejoren la detección del PDAC en estadios tempranos. En el caso del CCR, es uno de los cánceres más frecuentes, sobre todo es los países desarrollados. Hacen falta nuevas técnicas no invasivas que mejoren la sensibilidad y especificidad obtenida de los principales biomarcadores tumorales de uso clínico, para mejorar el diagnóstico en estadios tempranos, y para ayudar en el pronóstico de estos pacientes. De igual manera, en el caso del CCR, se dispone de un programa de cribado de pacientes asintomáticos, basado en la realización de la prueba de sangre oculta en heces, seguido de una colonoscopia en el caso de ser positivo. A pesar de que el programa de cribado ha supuesto una disminución en la mortalidad del CCR, hacen falta más esfuerzos para mejorarlo, sobre todo para evitar el colapso de las listas de espera para la realización de la colonoscopia. <br />Se ha comprobado que la metodología propuesta de análisis de termogramas se ha podido aplicar en estudios relacionados con el diagnóstico y/o pronóstico de pacientes con PDAC, CCR y en el programa de cribado de CCR (en este último caso como segunda prueba después del test positivo en sangre oculta en heces y realizando la extracción de las muestras antes de empezar con la preparación de la colonoscopia). Al mismo tiempo, se ha puesto de manifiesto la versatilidad de la metodología propuesta para incorporar variables clínicas al modelo (edad, sexo, concentración de biomarcadores en sangre periférica), e incluso la elaboración de un modelo de clasificación utilizando únicamente dichas variables clínicas. También se ha combinado el estudio mediante TLB con técnicas de espectrometría de masas para la búsqueda de nuevos biomarcadores para el diagnóstico y/o pronóstico de las enfermedades.<br />Además, se han estudiado algunas condiciones preanalíticas relacionadas con TLB, como son el efecto de la preparación por parte de los pacientes, el tipo de muestra (suero o plasma de ácido etilendiaminotetraacético) y el diluyente usado (tampón fosfato salino o PBS, suero fisiológico o cloruro sódico (NaCl) 0.9% o agua Milli-Q), donde se ha comprobado que los termogramas obtenidos según el tipo de muestra no son intercambiables. Además, se ha observado que según el diluyente usado se obtienen diferentes perfiles de termogramas. En el caso de los termogramas obtenidos con PBS y con NaCl 0.9% éstos son muy parecidos, pero tampoco son intercambiables. <br />Como conclusiones de esta Tesis Doctoral, es la primera vez que se aplica la misma metodología de análisis de termogramas de muestras biológicas en diferentes patologías, e incluyendo variables clínicas. Son necesarios más estudios para pulir aspectos metodológicos e incluso probar otros algoritmos de clasificación como los no supervisados. Además, es la primera vez que se realiza un estudio preanalítico de TLB, abriendo las puertas a valorar diferentes condiciones (muestra/diluyente) para buscar aquellas óptimas para el estudio.<br /> 000144673 520__ $$a<br /> 000144673 521__ $$97073$$aPrograma de Doctorado en Bioquímica y Biología Molecular 000144673 540__ $$9info:eu-repo/semantics/openAccess 000144673 6531_ $$aoncología 000144673 6531_ $$aanálisis de datos 000144673 6531_ $$aanálisis clínicos 000144673 6531_ $$aciencias clínicas 000144673 691__ $$a3 000144673 692__ $$aGarantizar una vida saludable y promover el bienestar para todos y todas en todas las edades. 000144673 700__ $$aAbián Franco, Olga María $$edir. 000144673 700__ $$aVelázquez Campoy, Adrián $$edir. 000144673 7102_ $$aUniversidad de Zaragoza$$b 000144673 830__ $$9485 000144673 8560_ $$fcdeurop@unizar.es 000144673 8564_ $$uhttps://zaguan.unizar.es/record/144673/files/TESIS-2024-359.pdf$$zTexto completo (spa) 000144673 909CO $$ooai:zaguan.unizar.es:144673$$pdriver 000144673 909co $$ptesis 000144673 9102_ $$aCiencias$$b 000144673 980__ $$aTESIS